由于无线通信技术的飞速发展,人们对于无线通信服务的需求不断增长,对无线业务的传输速率要求也渐渐提高,造成了无线频谱资源紧缺的局面。而由于目前采用静态的频谱分配策略,使得无线频谱利用率下降。认知无线电技术为缓解频谱紧张,提高频谱利用率提供了一种有效的途径,得到了各学者和研究机构的广泛关注。本文针对认知无线电的一项关键技术——频谱分配技术进行了深入研究。从提高频谱分配性能和认知用户需求满意度的角度,在进化算法和频谱聚合两方面提出频谱分配算法。首先本文为了解决认知无线电频谱分配的离散优化问题,并提高网络效益,提出了一种离散量子粒子群算法。算法在量子编码表示种群中粒子的速度并用粒子群算法原理结合波函数调节量子旋转角,然后通过量子旋转门对粒子速度进行更新,经过测试函数测试,证明了其有效性。该算法应用于认知无线电频谱分配问题中,实验证明,同经典的CSGC算法以及传统的进化算法相比,在不同效益函数下提高了网络效益,并保证了较快的收敛速度。然后本文针对频谱聚合算法没有考虑认知用户对频带的需求程度的问题,提出了认知无线电频谱聚合按需分配算法,在考虑认知用户在不同信道上的传输特性的条件下,算法为不同认知用户设定需求因子,代表其对频谱资源的需求度,通过仿真实验证明,该算法能在保持系统吞吐量的前提下有效提高认知用户需求满意度。