频谱分配是认知无线电中的关键技术,通过对认知用户进行功率控制和信道分配,使其可以接入授权频段,在不影响主用户服务质量的情况下成功复用“频谱空洞”,有效提高了频谱的利用率。考虑到软件、硬件的集成化水平不断提高,设备种类和接入信道的方式日新月异,对认知无线电技术处理多种问题的要求不断提高,然而传统的频谱分配模型已不具备这种条件,基于现有的频谱分配技术,本文将深度强化学习方法与频谱分配技术相结合,提出了两种基于深度Q网络的动态频谱分配算法。本文的主要工作如下:第三章分析了多用户、多状态的接入方式联合功率控制的问题。基于深度Q网络的优点,研究了一种具有状态选择的频谱分配算法。首先根据信噪比阈值将主用户的状态分为两种,针对主用户不同的状态,次用户将采取下垫式或中继方式与主用户共享频谱资源。随后,为了提高频谱共享的成功率和主次用户的传输速率,次用户学习出有效的功率控制策略,使其接入信道后仍然满足各自的信干噪比阈值,从而避免了影响用户的服务质量。最后,在实验部分表明,该分配算法在多用户、多状态的场景中,可以有效地提升频谱资源的利用率。第四章分析了多个网络交叉情况下的多用户信道分配联合功率控制的问题,研究了一种基于竞争Q网络的频谱分配算法。针对各网络位置信息和交叉情况,将整个区域分成三个子区域。首先对各区域的信道进行序列化,其次利用深度强化学习使得中央管理器能在动态环境中学习出次用户的频谱分配策略,使主用户和次用户能够频谱共享成功。最后,在实验部分,证明了该分配算法在处理多个认知网络的频谱分配问题中提高了系统的性能。