随着各种无线新技术的快速发展,特别是未来无线通信宽带化的发展趋势,有限的频谱资源变得越来越稀缺宝贵,而如何有效的解决频谱资源匮乏这个难题显得十分重要和紧迫。鉴于传统的提高频谱利用率手段的局限性,认知无线电,这种从根本上解决目前固定频谱分配策略所引发问题的新技术受到广泛的关注和研究。经过十多年的发展,认知无线电的研究正走向成熟并向纵深拓展。各项认知无线网络下的技术基本都是围绕着如何准确检测并使用空闲频谱,以及如何减少对授权网络的干扰以实现认知用户(次用户)和授权用户(主用户)的真正共存展开的。其中,无论是在overlay(填充)模式下,在完成频谱切换时,为减少对授权用户干扰并保持认知用户的良好通信质量;还是在underlay(下垫)模式下,认知用户如何保持合理的发射功率来达到干扰温度的要求,高效合理的功率控制都是解决这些问题的一项必要的关键技术。本文主要以博弈论、智能优化理论为基础,深入研究了认知无线网络中分布式上行传输及协作通信中的功率控制问题,并提出有针对性的解决方案。　　在认知无线电中,认知用户对空闲频谱的接入方式有两种:overlay模式和underlay模式。在overlay模式中,认知用户机会接入空闲频谱,当发现授权用户回归时,认知用户及时跳出该频谱。这种模式下,认知用户对授权用户干扰小,但频谱使用效率低。在underlay模式中,认知用户和授权用户共享频谱,认知用户需要受干扰温度的限制约束,但频谱利用率高,对功率控制要求高。本文主要针对underlay模式下的功率控制问题进行研究。与基站侧的功率问题相比,终端侧的功率控制约束多,也相对复杂,本文将集中分析终端侧的上行功率控制问题。在不同的认知场景下,功率控制的目标和手段也会有所区别。由于认知用户间的中继传输可有效降低其对授权网络的干扰,而授权用户和认知用户的协作传输可使双方都受益,在本文中,也将针对认知无线网络中协作传输模式下的功率控制问题做重点研究。　　首先,本文对几种在认知无线电网络中的典型功率控制算法和理论,包括注水算法、基于博弈论的功率控制算法、基于中继传输的功率控制算法进行了深入的分析和论述。由于认知无线网络中功率控制方法与传统通信网络中相应方法的继承性和延续性,本文分析了传统网络中典型的分布式功率控制算法的特点。此外,博弈论的特点较适合于解决通信系统中的资源分配问题,而不同的分配问题需要应用不同的博弈模型来讨论。本文对博弈论中几个典型的模型进行了详细分析,并介绍了在相应认知场景下基于不同博弈模型的有代表性的功率控制算法。　　其次,针对underlay模式下动态干扰温度的特点,提出了基于纳什博弈模型的一种分布式的上行功率控制迭代算法。在分析干扰温度给认知用户功率发射带来的影响后,将动态功率门限因素引入到纳什博弈模型中,并在此基础上得到一个合理的功率迭代算法。此外,给出了算法的收敛性和纳什均衡解的分析和证明。理论分析和仿真实验结果表明,在动态干扰门限的影响下,该算法可以得到合理的信干噪比效果及较低的功率收敛值,从而保障认知用户的通信质量和对授权网络的干扰程度可控。　　再次,研究了认知用户和授权用户协作传输模式下的资源分配问题。在认知用户帮助主用户通信之后,如何衡量主用户的收益并合理回馈认知用户是他们合作能继续进行的关键。underlay模式下,在分析了授权用户功耗节省和中断概率降低方面的收益基础上,提出了相应的功率分配算法,通过合理提升干扰温度门限来使认知用户也得到恰当的回报。overlay模式下,使用博弈理论提出了基于动态频谱出租方案的频谱占用时间分配算法,在保证资源分配公平性的情况下,提升了系统的性能。　　最后,针对特定认知场景下的复杂功率控制模型,提出联合智能优化算法来进行求解。对于较复杂的非线性、非可微的多目标优化问题,釆用单纯的数学推导很难直接得到最优解。在本文中,提出了联合遗传算法和模式搜索算法来解决联合干扰条件下中断概率最小化的功率分配问题,目的是为了克服单一遗传算法的不稳定性和独立模式搜索算法的局部收敛性。此外,也研究了认知用户间协助传输模式下的功率分配问题。针对regenerative中继模式和non-regenerative中继模式的不同特点,分别使用了凸优化的方式和模式搜索算法获得了他们的功率分配方案。仿真实验结果表明,在动态干扰温度的限制下,合成智能优化算法可在较快的收敛速度下得到稳定、合理的功率分配次优解。