近年来,随着无线通信业务的不断增长,频谱资源越来越紧缺,然而大量授权的无线频谱却被闲置或者利用率极低,使得认知无线电成为当前的研究热点。认知无线电的基本思想是未被授权用户利用空闲频谱进行通信,其可用无线资源是根据授权用户的频谱使用情况而动态变化的。因此,能否实现对系统可用无线资源的合理有效管理,对整个认知无线电系统的性能优劣起着决定性作用。良好的频谱分配策略及功率分配算法应当能够在提高系统容量的同时,保证用户可靠的通信服务质量。本文对认知无线电系统的频谱分配技术进行了研究。介绍了认知无线电的相关研究背景和无线资源管理、信道及功率分配的基本概念,分析了认知无线电环境下的无线资源管理的特点,然后分析了传统多用户OFDM系统资源分配模型及相关算法,接着进一步介绍了基于OFDM技术的认知无线电系统中的分配模型和资源分配算法,并仿真比较了其中典型的两种算法的性能。针对多用户的OFDM认知无线电系统,提出了一种联合功率、信道和比特分配的新算法,该算法将多用户资源分配映射成多维0-1背包问题,考虑了主次用户之间的干扰,引入了次用户的带宽需求,既保证了次用户对主用户干扰功率的限制,同时又满足了各个次用户的QoS。仿真结果表明,所提算法与RC算法相比,不仅提高了系统容量,而且降低了复杂度,同时还可以保证用户的QoS。针对基于OFDM的认知无线电系统同时面临主用户干扰容限约束和次用户发射功率约束的特点,提出了一种基于对偶分解算法的OFDM认知无线电系统中的多用户资源分配算法。该算法将拉格朗日乘子问题通过对偶分解,分解成若干个独立的子问题,通过对各子问题的求解,可以获得最优的功率分配和子载波分配。并为了满足无中心网络结构,提出了更符合实际通信环境需求的分布式分配算法,在不影响PU的正常通信和满足各个SU用户速率分配权重的前提下,实现了系统容量最大化的优化目标。仿真结果表明,所提算法性能随着次用户发射功率和主用户干扰容限的增大而增加,且表现出良好的收敛性。