近年来，繁多的无线客户端应用、逐渐兴起的社交网络以及便携式通信设备的普及带来了频谱资源的急剧短缺，认知无线电技术可探测频谱环境，使认知用户伺机接入空闲频谱，从而被认为是当今解决频谱短缺的关键技术之一。认知无线网络中的资源分配，尤其是频谱分配与功率分配是影响系统性能的主要因素。传统的资源分配方式多侧重于将频谱分配与功率分配独立进行优化，而将频谱分配与功率分配结合起来进行优化的分配方案相对稀少。由于将频谱功率联合考虑的优化问题公认为NP-Hard问题，因此现有的联合分配策略几乎都为次优化方案，仅有的几种最优化方案也都假定了某种特定场景或将模型简化。本文共设计了三个相关且迎合不同需求的频谱功率联合优化策略。首先引入凸优化模型、几何规划及对偶分解理论，通过将频谱分配和功率分配结合在一起进行建模及模型推导，最终设计出基于认知无线网络系统模型的频谱功率联合分配算法——CJA算法。该算法将分配步骤分为两步：第一步为对偶分解启发式频谱分配；第二步为凸优化调整式功率分配。最后给出该算法与理论最优化算法的仿真结果及对比分析。其次，本文提出了基于用户满意度的资源联合分配模型，该模型的优化目标从传统的最大化网络速率转变到最大化用户满意度，且给出了基于历史分配结果与QoS需求的满意度定义方式，最终在CJA算法基础上设计出基于用户满意度与接入公平性的频谱功率联合分配算法（SF-CJA算法），该算法根据模型需求设计了两个重要子算法：反馈信道选择算法与权重因子更新算法。最后为了进行全面的仿真分析，设计了8个测试用例，基本覆盖了SF-CJA算法的各个功能模块，有效地验证了算法的准确度及可行性。另外，本文基于本人参与研发的认知无线电试验系统，改进了系统中过于简单的“中心分配机制”，设计了多信道多接口频谱功率联合分配算法（M-CJA算法），该算法可以优化选择全网可用的三个信道，与此同时为每位认知用户优化三个接口的传输功率。仿真结果显示M-CJA算法比原有策略更加灵活，但由于时间所限，该算法尚未加入Linux内核协议栈。