频谱分配和认知决策引擎是认知无线电中的两个关键技术，频谱分配目的是在认知用户进行频谱感知得到一系列空闲频谱时，按照某种工作目标将发现的空闲频谱高效地分配给各个认知用户，使整个系统的网络收益最大化。认知决策引擎是认知用户得到频谱之后，根据频谱的无线传输特性进行工作参数调整，使其可以在多个目标综合作用下，进行高质量通信。针对目前基于图着色理论模型的频谱分配算法存在收敛精度不高的问题，本课题提出了一种基于二进制差分进化算法的频谱分配算法，利用差分进化算法全局寻优能力强、实现简单的特点，可以在最大化系统平均收益和最大化比例公平性两个分配准则下，提高系统相应的网络收益，并且在认知用户和频谱数目较多的情况下依旧可以得到适合的频谱分配方案。通过实验仿真证明，本课题所提的算法解决频谱分配问题时，在收敛精度上有明显的提高，运行时间也有所缩短，所得频谱分配方案可以更好的实现最大化系统平均收益和用户的最大化比例公平性接入。在用户得到频谱之后，用户所选择的工作参数直接影响认知用户的通信性能。针对目前认知决策引擎存在所得工作参数无法满足用户要求的问题，本课题提出了一种基于二进制差分进化算法的认知决策引擎，利用差分进化算法设置参数少、操作算子简单和全局寻优能力强等优点，在多个工作目标的综合评价下，快速得到可以使系统综合性能更好的工作参数，提高认知决策引擎的工作效率。通过实验仿真表明，本课题提出的基于二进制差分进化算法的认知决策引擎所得的工作参数组合使系统综合性能有了明显的提高，并且针对不同的工作目标性能都有提高，且运行时间明显短于目前效果最好的基于协同粒子群算法的认知决策引擎，提高了认知决策引擎的工作效率。