认知中继网络具有对频谱资源、能量资源及中继资源的感知及灵活使用能力,在提升网络资源利用率方面具有良好性能并得到了广泛应用。终端直通(Device-to-Device,D2D)通信技术可以使用户不经过基站进行直通通信,减小用户干扰范围,提高网络频谱效率;能量收集技术可以使用户从自身的通信环境中获取传输能量,提高网络能量效率。所以,将D2D通信、能量收集技术融合到认知中继网络中能够进一步提升系统性能及资源利用率。因此,基于D2D与能量收集技术的认知中继网络已成为当前的研究热点。考虑到D2D与能量收集系统的技术特点以及认知中继网络对资源和环境的认知能力,如何合理地分配通信资源以获得更高的资源利用率成为亟待解决的问题。为此,本论文首先对认知中继网络分别与D2D、能量收集系统相结合的技术特点进行分析,根据网络对系统环境和不同通信资源的认知能力,利用最优化理论、联盟成形博弈理论和概率网络理论等优化方法,以提升网络资源利用率为优化目标,对基于D2D与能量收集的认知中继网络资源配置问题进行研究。本文的主要研究内容及创新性贡献包括:首先,基于认知中继网络中的频谱资源共享机制,针对underlay频谱共享模式下的中继D2D网络中,由蜂窝用户与D2D用户之间的相互干扰导致频谱资源利用率下降的问题,论文分别从用户传输速率保障和资源分配公平性的角度出发,研究了中继D2D网络的联合资源分配问题。1)为提高D2D网络吞吐量,将空闲节点作为D2D用户的中继节点,在保证网络中所有用户最小传输速率的约束条件下,提出了两种基于联盟成形博弈理论的中继选择与传输频段分配算法。两种算法分别采用基于“分裂—合并”和基于“单用户移动”的方式为D2D用户选择中继节点和传输频段,理论分析了所提算法的稳定性和收敛性;仿真结果表明,两种算法均可在保证用户传输速率的同时改善网络吞吐量,提升资源分配有效性。2)考虑到D2D用户的自私性,以纳什议价理论和联盟成形博弈论作为理论基础,提出了一种保证资源分配公平性的联合资源分配算法。该算法通过模式选择、功率控制、时隙资源分配、传输频段分配过程,在保证蜂窝用户最小传输速率的情况下,兼顾了网络吞吐量与D2D用户间的资源分配公平性;仿真结果表明,与现有研究相比,所提算法以牺牲小部分网络吞吐量为代价,有效提升了资源分配公平性。其次,基于网络对链路状态的认知,针对overlay频谱共享模式下的中继D2D网络中,由用户移动性造成的链路断裂或同频干扰导致频谱资源利用率下降的问题,以通信链路稳定性为优化目标,提出了一种基于链路状态预测的资源分配算法。该算法运用概率网络理论预测移动节点间的链路状态,在链路断裂或同频干扰发生之前采用模式选择、功率控制及传输频段分配算法,最大限度保证链路的稳定状态;仿真结果表明,该算法可以有效减少链路处于异常状态的时间,有效提升了链路稳定性。最后,基于网络对能量资源的认知,在能量收集认知中继系统中,针对节点可用能量的随机性影响网络吞吐量,从而导致能量资源利用效率下降的问题,以网络吞吐量为优化目标,分别研究了自然能量收集和射频(Radio Frequency,RF)能量收集两个场景下的资源分配问题。1)在自然能量随机到达的情况下,提出了一种协作波束成形认知中继系统中的最优功率分配策略。通过对认知用户源节点与中继节点的数据队列稳定性分析,获得了能够最大化认知用户稳定吞吐量的最优功率分配方案,有效提升了能量资源利用效率。2)在节点以所获取的RF能量作为传输能量的情况下,提出了一种适用于多数据源中继系统的协作中继传输与能量收集协议,通过对能量收集时间与信息传输时间的合理分配,有效提高了网络吞吐量,提升了能量资源利用效率。