频谱资源稀缺和无线网络容量需求不断增长的矛盾促使认知网络快速发展。本文围绕多个分布式无交互认知无线网络交叠部署于同一区域的场景,将其中的动态频谱接入问题和功率控制问题与人工智能技术结合,并对此展开深入研究。针对多认知无线网络动态频谱接入问题,本文首先定义多个信道的马尔可夫状态转换模型,并在部分可观测条件下,从强化学习角度对该问题建模,提出总体优化目标。随后提出了基于深度Q学习的动态频谱接入算法,并通过仿真验证该算法能够避免授权用户与认知用户和认知用户间的相互干扰,有效提高认知用户的传输速率,建立Overlay模式下认知用户的频谱接入秩序。针对多认知无线网络用户的功率控制问题,本文首先定义使用基于强化学习算法的智能认知网络和使用定步长功率控制算法的非智能认知网络共存场景,并详细分析其功率控制过程及共存传输数据的可行性。然后提出了基于经验优先级采样的确定策略功率控制算法PRLPC和基于行动者观察家的随机策略功率控制算法SPPC。通过仿真表明在通信环境良好的情况下,PRLPC算法在传输成功率、调整步数和网络训练时长等评价指标均优于其他算法;在通信环境较差的情况下,SPPC算法具有鲁棒性优势,能够在可接受的时间范围内完成功率调整过程,到达稳定传输状态。