传统的无线传感器网络所工作的免授权频段被日益增长的其他无线通信技术设备所挤占,由此带来的频谱资源短缺问题也越加严峻。得益于认知无线电理论的成熟和技术的进步,为缓解频谱资源紧张带来了新的契机。具备认知无线电技术的认知无线传感器网络则可根据自身需求,通过对周围利用率不高且空闲的授权频段实现实时感知和动态接入,从而在提升授权频谱利用效率的同时缓解认知无线传感器网络频谱资源紧张的压力。但认知能力的引入增加了能量开销,而无线传感器网络是一种资源受限的网络,因此不论从缓解频谱资源短缺还是节约能耗的角度,寻找一个更加适用于认知无线传感器网络特点的动态频谱分配算法来优化网络吞吐量以及能量效率则是迫切的现实需求。针对此问题,本文研究了基于能量效率的动态频谱分配算法,论文主要工作如下:1.首先根据分布式认知无线传感器网络中节点自主性特点,在多智能体分布式独立增强学习模型的基础上引入时间轮流追踪机制,并提出一种多智能体最佳响应Q学习动态频谱分配算法。该算法以最大化网络的平均吞吐量和平均能量效率比为目标,实验结果验证了其收敛性以及有效性。2.将认知传感器节点的平均能量效率定义为效益函数,结合博弈理论对节点功率分配过程进行建模和分析,并证明了该效益函数下的功率分配博弈的纳什均衡存在且唯一。在此基础上,提出一种基于能量效率的联合频谱和功率分配算法,该算法分别利用Q学习和二分法作为节点频谱和功率分配策略的迭代更新手段。实验仿真表明该算法在改善网络平均能效比、提高网络平均吞吐量以及减少信道切换次数上具有优势。