认知无线电技术是一种用以提高频谱利用率,缓解频谱资源短缺的重要技术。基于认知无线电技术,Device-to-Device (D2D)通信技术得到了提出和发展。D2D通信不需要基站进行数据转发,在不考虑信令开销的情况下,相比传统蜂窝通信可以节约一半的系统频谱资源,并且具有数据传输时延低,链路质量好,发送功率低,能够复用蜂窝频谱资源等特点。因此通过D2D传输方式承载目前网络中大数据量的本地业务可以有效降低蜂窝网络负载,蜂窝与D2D组成混合网络的架构在未来可能得到应用。在这种混合网络中,蜂窝网络是使用授权频段的主系统,而D2D网络作为次级未授权网络可以共享使用蜂窝网络的授权频段。本文主要工作如下：第一,详细仿真分析了蜂窝网络中引入D2D通信后的干扰情况,重点在于D2D以复用方式共享蜂窝资源带来的复杂干扰。无论D2D复用小区内还是小区间蜂窝资源,当D2D复用蜂窝上行资源时,蜂窝用户会对D2D接收端造成干扰,同时D2D发送端会对基站造成干扰；当D2D复用蜂窝下行资源时,基站会对D2D接收端造成干扰,同时D2D发送端会对蜂窝用户造成干扰；多个D2D复用相同蜂窝资源还会产生严重的累积干扰。最后指出需要设计合理的接入和功率控制等资源分配优化机制来避免或减轻这些干扰。D2D正交使用蜂窝资源引入的干扰并不明显,干扰控制方式可由传统蜂窝机制扩展而来。第二,提出混合网络中集中式的D2D接入控制(SAC)算法和功率优化(DPO)算法。算法中D2D用户根据其服务质量(QoS)水平处于不同的集合(已接入、待接入、暂时移除用户集合)。在D2D链路QoS要求、蜂窝链路干扰门限等约束下,SAC算法中三个集合内的用户使用不同的功率更新公式,同时提出三种用户归属集合调整策略来处理约束条件违反的情况。通过SAC算法最终使得已接入集合包含尽可能多的用户,其它用户均进入移除用户集合。接下来针对已接入用户集合,DPO算法使用惩罚函数和几何规划的方法把功率优化问题转化为一个凸的非约束问题,进而使用梯度下降算法更新用户功率,最优化D2D系统总吞吐量。最后通过仿真得到所提算法相比调研所得算法具有更好的接入D2D链路数和D2D系统吞吐量两方面的综合性能。第三,提出混合网络中两种分布式D2D接入和功率控制算法,即DAPC-Capacity算法和DAPC-Number算法,来判断新D2D链路能否接入并优化D2D系统吞吐量。两个算法均将接入控制和功率优化两步合二为一,方便网络执行,并且相比集中式算法能降低网络信令开销。同样在D2D链路QoS要求、蜂窝链路干扰门限等约束下,DAPC-Capacity偏向于最大化D2D系统吞吐量,DAPC-Number偏向于接入更多的D2D链路数目。两个算法中,不同D2D链路可以互相协作,只需要互相交换有限的信息,即可使用梯度下降法自发地迭代优化发射功率。通过仿真对比调研所得集中式算法,得到所提算法能够达到更优的D2D系统吞吐量和接入D2D链路数。