新一代无线通信网络的兴起,是为了满足用户更为复杂的通信需求,网络中关键技术在发展中所面临的问题成为人们研究的重点内容。认知无线电在无线通信快速发展的过程中应运而生,作为其中的一项关键技术,其面临的挑战及其解决方法成为通信发展的关键。频谱资源紧张和使用率低的问题一直存在,并随着通信业务的增长逐渐加剧,认知无线电中的动态频谱接入技术可以有效地缓解频谱资源紧张的问题,但在现有的动态频谱接入技术的研究中,单一以及时效性差的频谱接入模式无法适应复杂的通信场景和用户对低时延的要求,同时能源的高效利用正成为绿色环保方向的重点课题,致力于减少能耗是当前各行各业共同关注的热点问题。因此,本论文针对如何提高认知无线电中频谱的使用率和能量的有效分配进行了研究。首先,针对提高频谱使用率,本文提出了一种智能动态频谱匹配模型,在马尔科夫理论研究的基础上,表明了强化学习算法在认知无线电动态频谱接入这一场景的可用性与优势。具体地,首先根据授权用户(Licensed User,LU)信息传输速率的不同认知用户(Cognitive User,CU)判断其负载情况,并分为三种负载类型。其次在深度Q-Learning网络(Deep Q-Learning Network,DQN)的基础上,认知用户进行自身功率的调整,分别以对应的三种模式接入授权频段。最后,我们对算法模型的应用性能进行了分析,并将动态频谱匹配模型下遍历容量的理论与仿真值进行对比。结果表明智能动态频谱匹配模型可以实现复杂授权用户负载场景下的频谱共享,提高频谱使用率的同时模型可以提高授权用户的遍历容量,降低了实现频谱共享下对授权用户正常通信的影响。针对提高系统性能的同时需要降低能耗的问题,本文进一步对系统现有输入能量进行优化分配,引入无线携能通信(Simultaneous Wireless Information and Power Transfer,SWIPT)技术,探讨其在动态频谱匹配模型下数据与能量传输方面的作用。首先,本文提出了无线携能通信在能量存储阶段以时间为变量的表达式,相对于一般能量存储时加入能量转化因子,采用时间与能量存储的关系来量化能量,在理论上更符合能量储存的一般定义。其次,分析了无限携能技术影响下动态频谱匹配模型系统的遍历容量。最后,针对无线携能技术中两种典型能量收集协议进行了对比,讨论了在相同条件下协议的效率问题。结果表明,无线携能通信技术融入到动态频谱匹配模型当中,为能量支出提供更多选择,使能量分配和利用更加合理。