由于信号处理等技术的快速进步以及用户需求的急速增长,无线通信领域得到了快速发展。在现有的静态频谱分配方式下,会造成一段时间内新用户无法分配到可用的频带,导致频谱短缺。无线认知网络针对此问题,结合频谱的时变性、带宽大小及位置具有不确定性等特点,采用动态频谱分配与接入共享,提升网络性能和资源利用率,缓解资源紧张问题。频谱分配问题的本质是认知网络在保证授权网络正常通信的前提下,利用频谱机会和授权网络共用同一频段。频谱分配中资源共享既包括授权频段内主用户与次用户间的共享,也包括认知网络中各次用户之间的共享。基于以上表述,本文研究了在认知网络中主用户、次用户以及蜂窝用户、D2D用户的频谱分配问题,具体研究内容如下:1、针对传统的功率控制算法限制认知用户的发射功率而影响通信质量的问题,提出了一种Rubinstein博弈模型下的多用户频谱分配方法。该方法将认知用户作为参与者、以因时延而损失的带宽为代价,建立以最终带宽份额为受益的多人博弈模型。首先通过建立由价格函数和信干噪比共同组成的效益函数,预防个体用户的自私行为。利用牛顿迭代公式降低认知用户的发射功率并依据各个用户间的干扰得到相应的链路质量并将经济学中的贴现因子与用户的链路质量建立映射关系;最终根据链路质量调整认知用户子博弈顺序使得网络总的传输速率达到一个相对稳定的状态。2、针对多D2D复用蜂窝链路,D2D对数量的提升造成频谱资源紧缺、对蜂窝用户干扰严重的问题。建立以蜂窝用户为中心的分簇模型,在分簇模型内提出了D2D用户的资源分配算法。该算法在保证蜂窝用户最大吞吐量需求的前提下,计算簇内各D2D对的信干噪比并通过映射关系和概率模型重构干扰矩阵、可用矩阵和效益矩阵。并通过新的干扰拓扑图确定簇内可接入的D2D对和接入优先级,并在干扰容限下最大化用户接入数目。3、针对低功耗D2D通信设备因电池容量有限而造成的发射功率低下、网络传输速率低下等问题问题,提出了一种基于HSU能量收集模型的D2D中继选择算法。该算法通过改进后的图论模型将网络中D2D用户分为复用集和和中继集,对于复用集中能量收集情况较差的D2D用户在中继集中为其选择中继用户,通过协作通信来提升中继链路的吞吐量。