近年来,随着无线通信业务的高速发展,以及人们对通信服务需求的快速增加,导致无线电频谱资源短缺问题日益突出。与此同时,传统静态的固定频谱分配方式效率低下,使得频谱供需矛盾问题更加激化。在此背景下认知无线电技术(简称CR)应运而生,其工作原理是通过对系统中空闲频谱资源进行感知和智能化分配管理,极大地提高频谱资源利用率,能够有效解决频谱资源短缺问题。在认知无线电中,频谱分配和认知决策引擎是两大核心技术,也是目前认知无线电领域研究中的热点问题。频谱分配模块利用频谱感知技术获取系统环境信息后,将系统中的空闲频谱资源分配给认知用户,以提高认知无线电网络频谱资源利用率。认知决策引擎的主要功能是在认知用户获取相应的空闲频谱资源后,通过对认知用户的参数如发射功率、调制方式等进行调整,使得系统用户能够更好地利用频谱资源进行通信服务。本文针对认知无线电中频谱分配和认知决策引擎问题开展研究,主要创新工作如下:(1)针对当前一些认知无线电频谱分配算法存在的易陷入局部最优解和收敛速度较慢等问题,利用烟花爆炸算法并行搜索及全局寻优能力强等特点,将烟花爆炸算法应用到认知无线电频谱分配问题中,本文首次提出基于烟花爆炸算法的频谱分配方案。通过仿真验证表明,在复杂的认知无线电网络环境下,本文所提出的频谱分配算法能够有效地提升系统效益和系统公平性,在收敛精度和收敛速度方面也有很大的提高。(2)针对目前认知决策引擎相关研究文献偏少,一些认知决策引擎方案存在工作参数调整无法高质量地满足用户通信需求问题,本文将粒子群算法和差分进化算法融合,利用粒子群算法的协调搜索优势和差分进化算法贪婪选择策略的特点,提出一种基于粒子群差分进化算法的认知决策引擎方案。经过仿真验证表明,在选定的多目标评价体系下,其能够有效提升系统工作效率和通信性能。