互联网时代的今天,人们对网络的需求不再局限于固定的有线接入,而转为任何时间、任何地点、任何情况下均可接入网络,因此无线网络的发展尤为重要。面对激增的无线业务需求及各种智能终端设备的大量普及,作为无线网络战略性资源的无线频谱变得十分稀缺。而传统的静态频谱划分方式的低效性,又进一步加剧了资源紧缺问题,在此情况下,认知无线电(Cognitive Radio,CR)应运而生。认知网络中,CR用户动态共享授权频谱,以提高资源利用率。但值得注意的是,授权用户和CR用户随机地占用频谱资源,使得可用频谱被离散为一系列不连续的频谱块,称之为频谱碎片。频谱碎片的存在,不仅增加了CR用户接入设备的复杂度,也带来了跨频干扰的问题。导致CR用户共享频谱资源时面临更加严格的干扰约束,影响资源利用率。尤其是分布式认知网络中,由于缺乏集中控制中心,无法统一调度各CR用户传输参数,需要额外的手段消除此类干扰。因此,为解决频谱碎片和跨频干扰造成的资源利用率较低问题,本文基于分布式CR网络,针对频谱碎片和跨频干扰存在下的频谱共享策略进行深入研究。主要研究内容为:1)在基于TV频带的分布式CR网络中,授权用户的随机行为是产生频谱碎片的主要原因。为定性分析授权用户行为,本文将其建模为离散Markov模型,定义频谱占用度和碎片度来分析其对系统性能的影响,最后以统计平均中断概率最小为目标,提出两种频谱接入策略。策略一在传统的连续频谱接入的基础上加入调整因子,根据节点实际需求,动态调整对可用信道的占用程度,预留更多的资源给下一节点,进而减少中断的发生。策略二采用物理层k-agile接收机,在考虑灵敏度限制及保护带消耗的同时,非连续的接入多个频谱碎片,进而提高接入的灵活性。两种策略在满足各认知用户通信需求的同时,有效降低了系统中断概率,提高了资源利用率,仿真结果表明均优于传统的连续频谱接入方式[6]。2)分布式认知无线电网络中以效率最大化为目标的动态频谱共享问题。由于频谱碎片的存在,认知用户选择接入空闲信道时,通过插入保护频带的方法来消除跨频干扰。即在选择接入时,以保护带资源的消耗为代价换取可达速率。此时,接入问题可归结效率优化问题,即研究如何以最小的保护带消耗获得最大的可达速率。该问题为典型的整数组合优化问题,传统的遍历搜索算法复杂度太高。这里基于经典的计算机内存管理方法,引入碎片位置向量信息,提出几种不同搜索方式的改进算法,以不同程度地减少传统遍历算法的搜索次数,从而改善算法复杂度。最后,通过仿真分析各算法下所获得的效率,可以看出,各算法均是在复杂度和效率之间做出不同程度的折中,为不同的实际应用需求,提供了多种灵活的选择方案。