随着无线通信系统用户数量和各种新应用的迅速增加，用于无线通信的频谱资源在未来将变得越来越稀缺。作为解决频谱资源稀缺性最有前景的发明之一，认知无线网络配备了多种灵活的能力，包括信道条件的感知/估计和动态频谱共享/分配，能在变化的无线环境中通过观测、学习、优化和改变传输参数来改进网络性能。为此，本文侧重于研究认知无线网络的动态频谱资源分配技术。本文考虑的是由一个次级用户网络和多个主用户网络共存的认知无线电通信系统。在该系统中，每个主用户网络都希望通过向次级用户网络出售其空闲的授权频段来获取一定的利润。由于不同的主用户网络具有各自不同的利益（例如分属不同的运营商），它们需要通过互相竞争来最大化各自的频段出售利润。已有文献提出了一个基于重复博弈模型的频谱共享方案，并通过触发策略来促使主用户网络之间形成合作以实现最优的整体利润。然而，当主用户网络对未来利润不够重视时，即使对偏离合作的主用户网络进行惩罚还是不能在主用户网络之间形成合作。在这种情况下，每个主用户网络只能得到比合作利润低的纳什均衡利润。为了改善这个问题，本文提出了两种新的惩罚策略来促使主用户网络之间形成合作。第一个策略能在主用户网络对未来利润不够重视的情况下，也能获得低于合作利润但高于纳什均衡利润的收益。另一个策略是采用所谓的“最严厉的可信惩罚”来防止主用户网络偏离合作，并促使那些在现有方案中不能形成合作的主用户得到最高的合作利润。数值仿真表明，本文所提出的两个惩罚策略均优于现存的触发策略。同时，在主用户网络向次级用户网络进行频谱共享的过程中，由于无线信道所固有的物理限制，主用户网络之间的策略信息有可能得不到充分的交换。更重要的是，在非合作竞争中，由于个体的自私行为，每个主用户网络可能故意隐藏自己的策略信息，从而导致其它主用户网络只能获得该网络的不完全决策信息。在这种情况下，我们提出一种最大化主用户网络收益的动态频谱分配策略，即每个主用户网络根据与自身利益相关的边际效益函数来动态地调整自己的频谱价格以最终实现纳什均衡收益。同时，我们还推导出了该动态策略的收敛条件。