随着近年来无线电设备的广泛使用,无线频谱资源的利用被越来越多的人关注。传统的频谱资源使用方法为,由固定的组织或机构来对频谱资源进行统一的分配,各个授权用户享有自己的授权频段,并且留出一部分公共频段来供公共用户自由竞争使用。然而随着授权用户的逐年增加,无线频段面临被分配殆尽的局面：公共频段越来越窄,竞争的公共用户越来越多,导致用户通信质量大幅下降；而授权用户对授权频段的使用率却不高,使得授权频段存在大量频谱空洞,频段利用率极低。针对这一现象,学者提出了认知无线电的概念。认知无线电即通过软件的方式,对无线频段的用户进行一定的控制,使得公共用户在不对授权用户产生影响的基础之上,机会性的接入授权频段进行数据传输,这样做一方面缓解了公共频段资源紧张的问题,另一方面也大幅提高了授权频段的利用率。由于认知无线电涉及到了多门学科,所以仍需要做广泛而深入的工作对其进行研究。在认知无线电中,主要涉及频谱感知,频谱分配以及频谱共享等方面。本文首先提出了一种基于强化学习的频谱感知策略。经过大量的实际测量发现,一个区域内的授权频段的空闲或被占用的状态之间具有很高的相关性。本文正是利用了频段之间的相关性,将认知无线电的频谱感知过程抽象为一个强化学习的过程,并通过强化学习,对环境中频段的空闲或占用状态做出一定的预测,从而使频谱感知的过程不再是漫无目的,而是优先感知空闲可能性最大的频段。通过优化的频谱感知策略,认知无线电系统可以花费更少的时间来进行信道感知,并且感知准确率也有所提高。本文中将优化的频谱感知效率与随机感知进行了对比。经过模拟仿真实验,证明了本文所提出的优化的频谱感知策略可以提高认知无线网络的频谱感知效率,进而缩短频谱感知的时间开销,最终提高了整个认知无线电网络的吞吐量。随后本文针对认知无线电网络中的频谱分配问题,提出了一种优化的频谱分配策略。在传统的认知无线网络中,频谱感知阶段所感知到的频段将会随机的分配给次用户,然而从网络层的角度来看,随机的分配是不够科学的。本文将网络层的网络拓扑与物理层的频谱感知相结合：在物理层,作者通过将频谱的状态变化建模为非稳定的隐马尔科夫链,对频谱质量进行了预测,并得出频谱质量序列；在网络层,通过分析当前时隙中产生频谱使用请求的次用户的状态,形成当前网络拓扑图,并通过决策树分析来对网络中的节点的重要程度进行排序,得出节点重要程度序列；最后,利用频谱质量序列与节点重要程度序列,为网络中更重要的节点分配质量更好的信道,从而实现网络资源的择优分配,提高认知无线电网络性能。仿真实验将此频谱分配策略与随机分配做出比较,实验结果显示优化的频谱分配策略可以一定程度上提高网络的吞吐量。最后,文章对本文的研究中的不足和进一步的研究提出了一些想法。