为了提高传统蜂窝网络的容量、改善室内覆盖质量，人们提出了Femtocell，也称为毫微微小区。它覆盖范围小、功耗低、能够有效提高室内覆盖质量，可以应用到3G、LTE等网络中。另一方面，Femtocell的引入也带来了诸多干扰问题，而有效的资源分配是解决这些干扰问题的重要方法之一。　　 本论文通过分析Femtocell网络中存在的干扰问题以及Femtocell网络自身的特点，结合认知无线电的技术优势，提出了两种在overlay场景下基于认知无线电的Femtocell网络分布式下行资源分配算法。两种算法都假设Femtocell基站(FBS)或Femtocell用户(FUE)具有认知无线电功能，可以感知周围的频谱环境，得到本地的干扰信息。　　 第一种算法以最大化Femtocell网络中所有Femtocell用户的公平性为优化目标，然后用分解理论将原问题分为两个子问题，第一个子问题用来解决信道分配问题；解决第二个子问题时，我们用拉格朗日对偶算法和子梯度算法求解，进行分布式的功率控制。仿真结果表明，该算法收敛性好，与最大化系统总容量算法相比，系统容量相差很小，但是比最大化系统容量算法和等功率算法更好地保证了系统中的同一个Femtocell中所有Femtocell用户的公平性，尤其是在Femtocell用户的信道质量差别较大时。　　 第二种算法则考虑单个Femtocell对整个Femtocell网络的干扰情况，基于度信息进行下行信道分配和功率控制。在进行信道选择时，不只考虑信道增益和干扰比，还会考虑用户的度；进行功率控制时，为了减小对Femtocell网络的干扰，让Femtocell的下行发射功率只需满足Femtocell用户的最小SINR要求。需要指出，第二种算法需要相邻Femtocell之间的通信协作，以更新本地的度信息。仿真结果表明，该算法相比随机信道分配方式，具有较小的中断率。　　 本论文提出的两种算法都是分布式的。将认知无线电技术应用到Femtocell网络中，符合Femtocell即插用的特点，可以适应快速变化的无线通信环境，是未来Femtocell发展的方向之一。