频谱资源利用率低下是当今无线通信业务所面临的、迫切需要解决的问题之一，直接制约着未来移动通信业务的发展。而有限的频谱资源变得愈发的稀缺和珍贵，如何提高频谱利用率迫在眉睫。　　认知无线电作为一种智能的频谱共享技术，通过对周围无线环境的感知和对频谱资源的灵活分配，完成了对空闲频谱的二次使用，为缓解频谱资源紧张和利用率不高问题开辟了一条新的途径，愈发成为学者们争先研究的热点。本文对认知无线电中的两个关键技术进行了探讨与研究，分别是频谱感知与频谱分配，并着重研究了智能算法在这两项技术上的应用。　　首先，本文介绍了认知无线电研究背景，叙述了频谱感知和分配的基础理论知识，对现有频谱感知方法和分配机制进行了分析，探讨了认知网络几种传统的单节点频谱感知技术和协作频谱感知技术的性能，以及当前频谱分配一些主要模型下的性能分析。　　其次，在线性加权协作频谱感知模型下，研究了基于修正偏差因子（MDC）的权重向量求解方法及基于改进蛙跳算法（SFLA）的频谱感知方案。本文在研究杂草算法后，针对给定虚警概率，如何最大化检测概率这一问题，在研究了现有的杂草算法（IWO）的工作原理后，将这种算法引入该模型下，并对其进行了改进，在此基础上提出了一种基于改进入侵性杂草优化算法（MIWO）的协作频谱感知方案，将可行解同频谱协作感知模型中的权重相对应，通过寻找最优权重向量最小化适应度函数，从而达到最大化检测概率的目的，并将其与蛙跳算法进行了仿真对比分析。　　最后，在频谱感知技术获得空闲授权频段的条件下，针对空闲频谱资源的合理分配问题，在研究了遗传算法（SA）、粒子群算法（PSO）的频谱分配方法后，充分利用杂草算法的搜索多样性、收敛快、搜索能力强等特点，以最大化网络效益和提高频谱分配时各认知用户间公平性为目标，提出了一种基于二进制杂草的认知无线电频谱分配方法，并将其与遗传算法、粒子群算法进行仿真对比分析。