近年来,认知无线网络技术得到了全面和快速的发展,为当今社会频谱资源短缺的问题提供了新的解决方法和思路,对频谱资源高效利用的研究更是在全世界范围内成为了重点关注的研究热点。认知无线电网络可以采用动态的接入方式,灵活的共享频谱资源,因此,如何高效利用空闲的频谱资源对于认知无线网络频谱分配的研究具有重要的现实意义。在认知无线网络频谱分配的研究中,基于图论的颜色敏感图论着色算法和量子遗传算法已经被提出,这两种算法在实际的频谱分配应用中取得了一些成果,但也存在一些弊端,如容易陷入局部最优、收敛速度慢、算法复杂等。本文在这两种算法的基础上,进行了频谱分配算法研究。本文首先对图论着色模型进行了详细介绍,并深入研究了基于颜色敏感的图论着色算法和基于量子遗传算法的频谱分配模型,结合这两种算法的优势,针对频谱分配过程中的主要问题,提出了改进的频谱分配算法。采用混沌搜索算法对种群进行初始化来保证种群的多样性;设计了新的量子旋转角对染色体进行更新,在保证收敛速度的前提下避免使系统陷入局部寻优;使用交叉阈值来控制染色体的交叉变异操作,对个体进行有选择的交叉变异;采用精英保留策略使最优个体能顺利遗传到下一代;并采用新的干扰约束规则来保证频谱分配过程中认知用户的公平性。通过对该算法进行仿真分析,证明了该算法与其他已有的算法相比,能够有效的提升网络系统的总容量,并保证认知用户之间的公平性,可以使频谱资源得到高效的利用。