随着无线通信技术的快速发展和无线业务的迅猛增长,使得不可再生的频谱资源变得越来越稀缺。然而,研究表明,频谱的稀缺并不是因为其物理上的缺乏,而是由于固定的频谱分配策略使得很大部分被分配的频谱并未被完全利用。在这种形势下,认知无线电技术作为一种提高频谱利用率的技术应用而生。在认知无线电系统中影响系统性能的一项重要技术就是资源管理与分配,特别是感知用户分配和功率分配,近年来受到很多的关注。本论文针对认知无线网络中的资源分配优化算法进行了研究。另一方面,由于认知无线网络通过结合协同中继技术,能够获得更高的频谱利用率。因此,我们对认知中继网络中的性能进行了分析。本论文具体研究内容主要分为以下三个部分:(1)研究了认知无线网络中多信道协同频谱感知的优化问题。为了最大化网络平均吞吐量,针对瑞利环境下,规划了一个多信道协同频谱感知最优化问题。通过所提算法,解决了如下三个关键问题:1)感知用户的分配问题;2)最佳感知时间的设置问题;3)最佳感知门限的设置问题。由于所提算法是一个针对资源分配的算法,为了验证算法的有效性和适用性,将所算法应用到OFDM系统资源分配中。针对OFDM系统中子载波功率分配,提出算法能够有效地应用其中,并且通过仿真验证了算法的有效性。(2)研究了认知无线网络中多信道协同频谱感知和功率分配的联合优化问题。我们考虑了在认知无线网络总传输功率和总干扰功率限定下,联合感知用户的选择,感知时间和功率分配问题来最大化网络平均吞吐量。通过所提算法,解决如下几个问题:1)感知用户的分配问题;2)感知时间和感知门限的设置问题;3)传输用户的选择问题;4)功率分配问题。通过仿真证明,通过将协同频谱感知与功率分配联合起来优化能够进一步提高网络性能。(3)研究了基于放大前向的认知中继网络性能。在考虑源节点和中继节点传输功率和干扰功率限定下,推导出了认知中继网络中断概率近似表达式。通过蒙特卡洛仿真验证了理论分析的正确性,并且对于误差进行了分析与解释。