随着无线通信网络技术的迅猛发展及其业务的快速增长，频谱资源和能量效率（Energy Efficiency,EE）问题正成为新一代无线通信网络快速发展的瓶颈，未来技术必须要同时解决低谱效与高能耗问题。认知无线电（Cognitive Radio,CR）作为一种智能无线通信系统，有望缓解无线频谱资源紧缺和授权频谱利用率低下的矛盾，逐渐得到了工业界和学术界的广泛关注。针对认知无线通信系统资源分配技术面临的如何提高谱效和能效问题，本文以认知无线通信系统为研究对象，开展了优化频谱分配，提高频谱效率（Spectrum Efficiency,SE）和网络能量效率等关键问题的研究，提出了相应的高能效传输机制和资源分配策略，为推进认知无线通信系统的资源优化和高能效传输提供了一定的理论基础和技术支撑。主要研究内容如下：
　　1、研究了单跳认知无线网络中的频谱分配问题。针对频谱分配中的网络效益以及频谱分配算法的时效性要求，提出了一种基于改进量子遗传算法的频谱分配方法(Improved Quantum GeneticAlgorithm,IQGA)。该算法动态调整量子旋转角度，设置变异阈值对染色体变异，并且在频谱分配过程中建立新的干扰约束规则，能加快算法收敛速度，减少认知用户间的干扰，实现了对空闲频谱资源的高效共享。仿真分析表明：该算法可以有效的减少时间花销，提高认知无线网络的平均收益，实现频谱的高效分配。
　　2、研究了多跳认知无线网络中高谱效资源分配问题。针对多跳链路中授权频谱利用率低的问题，设计了一种多跳链路可以复用同一主用户空闲频谱进行数据传输的通信机制，联合考虑频谱和功率分配问题，提出了一种连续多步凸近似算法（Successive Multi-step Convex Approximation，SMCA）。根据建立模型的非凸复杂性，设计一种等效凸近似转换方法，将模型问题转化为连续凸问题，结合丁克尔巴赫（Dinkelbach）分式规划方案，得到模型问题的次优解。从理论计算复杂度和仿真分析表明：与穷举搜索方法相比，SMCA不仅可以得到SE模型问题最优解的近似下界，而且具有较低的计算复杂度。
　　3、研究了多跳认知无线网络中高能效资源分配问题。针对多跳认知无线网络传输中存在的低能效问题，设计了一种高能效的多跳传输机制。对多跳认知无线网络中的频谱感知阶段进行分析，以次级传输中断概率为约束条件，对系统平均能效最大化问题进行建模。以感知时间与功率分配为优化变量，根据模型的非凸复杂性，利用坐标上升法和CCT变换（Charnes–Cooper Transformation）得到了感知时间和功率分配的次优解。同时分析了算法收敛性，仿真表明：该方案能很好的提升次级系统的能量效率。