智能手机的问世不仅带动了通信行业的迅速崛起,更加快了通信技术的革新步伐。小蜂窝技术的出现缓解了传统宏蜂窝的覆盖压力,并有效地对宏蜂窝边缘地区进行补盲。认知无线电作为频谱管理技术,能够提高频谱利用率,有效解决频谱紧缺问题。认知无线电和小蜂窝技术的结合,能够进一步提高频谱资源的利用率,因此备受人们关注。但是,在由具有认知功能的小蜂窝组成的认知小蜂窝网络中,小蜂窝基站的随机大量部署特性使得网络干扰环境变得更加复杂多变。因此,本文以认知小蜂窝网络为背景,研究网络中的干扰问题和资源分配问题。在认知小蜂窝网络资源分配问题中,本文重点研究资源分配的公平性问题,提出了基于公平性的分布式资源分配算法(Distributed Fairness-based Resource Allocation,DFRA)。首先,为保证认知小蜂窝基站间分配子信道数的公平性,该算法用“基站满意度”来表示每个小蜂窝对当前分配结果的满意程度,在进行资源分配时优先考虑满意度较低的基站;其次,算法采用了基于信道质量差值的分配方法,不仅能够保证不同小蜂窝之间用户平均吞吐量的公平性,还能提高认知小蜂窝网络的吞吐量;最后,算法以分布式方式工作,减小了网络的信令负担。仿真结果证明,该算法在资源分配公平性和网络吞吐量方面都取得了显著效果,不仅保证了小蜂窝基站之间满意度以及吞吐量的公平性,还提高了网络吞吐量。在针对认知小蜂窝网络的干扰分析与资源管理中,现有算法大多数是基于完美频谱感知情况的,包括本文第三章提出的基于公平性的分布式资源分配算法,也是在完美频谱感知的前提下进行分析的。然而在实际情况中,很难实现完美频谱感知,因此,针对非完美频谱感知场景的干扰分析更具实际意义。本文提出了一种基于非完美频谱感知的资源分配算法,综合考虑非完美频谱感知以及信道不确定性问题,在满足认知小蜂窝用户服务质量并保证宏蜂窝用户正常通信的前提下,最大化认知小蜂窝网络的吞吐量。仿真结果验证了该算法的有效性,证明算法不仅能够减少认知小蜂窝基站对宏蜂窝用户的干扰,还能提高小蜂窝网络的吞吐量。