认知无线电网络中，分布式信道选择和接入问题是目前研究的热点之一。本文主要研究了分布式选择与接入的基本理论以及相关算法。首先简单介绍了认知无线电理论以及相关研究的发展现状，之后介绍了解决信道选择与接入问题的多个模型，详细地描述了文章所要使用的MAB（Multi-armed Bandit）模型，并且对基于该模型的较为成熟的信道选择与接入算法进行了总结，分析了各种方法的优缺点。然后讨论了两种情况下多信道的选择与接入算法：第一，在单用户情况下，认知用户希望伺机使用空闲频谱资源，并且尽可能多的获得接入机会，采用基于索引的策略就可以获得渐进最优的性能。第二，在多用户情况下，不仅要考虑网络中用户整体的性能，还要考虑认知用户之间存在的问题：碰撞和公平性问题。然而，可以有效解决单用户信道选择与接入的基于索引的策略不能直接应用到多用户的情况，如果使用，则多个认知用户之间将会产生大量的碰撞，大幅度地降低网络整体的性能。为了解决上面的问题，本文提出了一种分布式分组信道选择与接入方法，通过仿真可以看出，每个认知用户通过选择一个信道组，并采用对组内信道依次感知的方式获取接入信道机会，不仅避免了多个认知用户之间的碰撞，而且提高了成功接入信道的概率，增加了每个认知用户接入信道的累积接入信道时间，改善了频谱资源的使用效率。同时在信道分组阶段，本文采用迭代注水的方式，使得多个信道组中总的空闲概率达到平衡，保证了认知用户之间接入信道的公平性。最后，利用多台USRP搭建实验平台，模拟多用户多信道的场景，利用实测数据对上述算法进行了验证。