传统的固定频谱分配策略造成了大量可利用频谱的闲置与浪费。认知无线电技术作为一种动态频谱接入技术,被普遍认为是目前无线频谱资源利用率低的有效解决方案。认知无线电技术通过认知设备具有的智能频谱检测功能,发现闲置的频谱资源并对其进行合理利用,在不对其他用户产生干扰的条件下,尽可能利用一切频谱资源,提高频谱利用率。认知用户通过接入频谱空洞通信来提高频谱利用率。而对于分布在不同空间、时间维度的频谱空洞而言,如何在多个认知用户之间,实现这些频谱空洞的有效分配,以及在这些频谱空洞上的功率分配,是认知无线电资源分配中需要研究的重要问题。在实际认知无线电网络中,用户选择接入的频谱空洞不同,在此频谱空洞上可以分配的功率也不同；而不同功率分配使得用户可获得的信道容量等网络性能也不同,这些性能指标又是进行频谱分配的依据。因此频谱分配和功率分配二者相互耦合,需要寻找联合优化算法使系统性能最优。目前认知无线电联合资源分配的相关研究多基于机会式频谱接入、共享式频谱接入和混合式频谱接入模型。其中,基于混合式频谱接入模型的联合资源分配可以有效提高系统性能。在混合式模型中,无论主用户空闲与否,认知用户都可以以高功率或低功率接入所有授权信道。然而,目前相关研究多是基于单个认知用户对接入单个或多个信道的网络场景,只需要考虑主用户的干扰,及授权信道处于空闲或工作状态时的功率分配。这些研究不能应用于有多个认知用户通信的场景。在实际多个认知用户通信的网络中,需要考虑混合式模型中认知用户可以接入所有授权信道时的信道分配,以及当主用户处于不同工作状态时,在授权信道上的功率分配。此外,多用户对通信时还需要考虑用户的不同数据需求,以及混合式模型中认知用户可以接入所有授权信道时存在的干扰问题。为解决上述问题,本文基于混合式频谱接入模型,提出了一种在多用户场景下的分布式联合资源分配算法。该算法考虑数据传输需求、功率限制,认知用户间干扰等耦合约束条件,将目标问题建模为凸优化问题,利用对偶理论求得信道和功率分配的闭式表达式。仿真分析验证了所提算法的优越性,仿真中对约束条件的影响作用进行了分析,进一步得出了算法的适用场景及可行性。