随着人类社会的不断进步,各种各样的无线信号在日常生活中的重要程度越来越高。但是随着通信业务种类的越来越多,使得本就缺乏的频谱资源更加匮乏。但实际上,频谱匮乏的根本原因是大部分时间频谱都处于空闲状态,导致频谱的平均利用率十分低。因此,认知无线电随之而诞生。将空闲频谱进行有效地利用具有十分重要的意义,也是认知无线电频谱分配技术所要解决的关键问题。在认知无线电频谱分配技术中,基于图论着色模型的分配算法的研究比较成熟。本文在此模型的基础之上展开研究。目前在该模型上有学者提出过基于二进制粒子群算法的频谱分配技术。但是原始的二进制粒子算法在分配过程中存在收敛速度慢,收敛精度不高的问题。并且对二进制粒子群算法在频谱分配过程中的参数设置缺乏理论研究。本文在分析二进制粒子群算法的基本原理和计算步骤的基础上,探讨了二进制粒子群算法和标准粒子群算法中惯性权重ω的区别,确定了二进制粒子群算法ω最适宜的取值。并对原始二进制粒子群算法进行了改进,改进方面包括以下几点。首先采用混沌Logistic映射的方式进行初始种群的构造,相比原算法初始种群在分布上更加均匀。其次对粒子位置更新公式的改造,改进后的公式使得算法迭代后期局部搜索能力更强。最后引入了基于种群聚集度的粒子变异思想。使得新算法较原算法比,不易陷入局部最优解。仿真结果表明,利用该算法进行认知无线电频谱分配时,收敛速度较快,得到的系统总效益值也较好。