近几年来移动通信互联网行业的发展势头非常迅猛,各种各样的无线设备接入到网络中会占用大量的频谱资源,然而频谱资源的匮乏问题由来已久且呈现出愈来愈严峻的趋势。此外随着通信设备数量的增多,其对能量的消耗问题也变得越来越不可忽视,大量设备对传统能源的巨大消耗与绿色中国的发展理念不相符合,因此提高频谱资源的分配效率并降低网络通信设备对能源的消耗是目前的重点研究方向。本文基于认知无线电(Cognitive Radio,CR)相关技术研究如何对信道进行动态的分配,使得主用户(Primary User,PU)和次用户(Secondary User,SU)可以利用同一段频带资源,从而提高频谱的利用效率。此外本文将能量采集引入到CR网络中,无线设备通过采集环境中的能量从而为自身供能,以此减少对传统能源的消耗。本文所做的主要工作如下:(1)分析并建立了基于能量采集的CR网络模型,并利用图论着色的相关知识对CR网络中次用户的最大吞吐率建立相应的数学模型。本文选取遗传算法(Genetic Algorithm,GA)对信道的分配问题进行研究,针对基础遗传算法存在易于陷入局部范围最优且容易过早收敛的问题,本文将斐波那契螺旋曲线引入到自适应遗传算法中,通过连续地动态调节算法的交叉概率和变异概率(前期较大、中期稳定、后期较小),以此实现全局寻优和加速收敛的目的。(2)分析并建立了能量采集、频谱感知、信道分配、数据传输的时隙结构模型,并基于该模型对CR中次用户在各个时隙段中所耗用的时间资源给出了数学模型。本文选取粒子群算法(Particle Swarm Optimization,PSO)对最佳时间资源分配值进行求解,针对基础粒子群算法存在容易得出局部最优解的问题,提出了利用曲线减值策略代替线性减值策略的带自适应权重因子的改进粒子群算法,使得改进后的权重因子可以平滑地从算法仿真初期的较大值过渡到仿真后期的较小值,从而获得更佳的寻优能力。