认知 MIMO系统的资源分配是当前无线通信领域的研究热点之一。采用多天线的认知无线电系统相对于单天线认知无线电系统,既有传统的资源(频域,时域,码域),又有空域资源。本文研究基于博弈论的有限反馈认知MIMO系统的资源分配,涉及发射功率、空域(采用波束成形)和反馈速率等资源的分配。利用有限的反馈信道反馈量化的信道状态信息(CSI),基于量化CSI,本文主要研究联合功率分配与波束成形优化、次用户(认知用户或非授权用户)反馈速率控制、联合功率分配与反馈速率控制等相关资源分配问题。本文采用频谱共享方式的认知无线电,并假定认知基站的反馈信道受限。本文的主要研究成果概况如下:　　首先分析完美CSI条件下的基于博弈论的算法,针对主用户(授权用户)反馈的量化CSI,提出基于博弈论的联合功率分配与波束成形算法,并给出在量化CSI条件下的效用函数和代价函数。同时,根据CSI量化误差,给出了新的约束条件,证明了纳什均衡的存在性,提出了一种新的迭代算法可以收敛到纳什均衡。仿真结果表明,本文提出的算法可以快速收敛。　　有限反馈认知 MIMO系统中,由于认知基站的反馈信道有限,因而无法满足完美CSI的反馈。次用户都希望反馈完美CSI,通过认知基站实施波束成形和功率分配技术,从而提高自身的传输能力并且降低对自身的干扰。针对认知 MIMO系统有限反馈条件下,研究次用户的反馈速率控制。本文提出了一种次用户间基于非合作博弈的反馈速率控制算法,次用户可选择各自的反馈速率使得自己的效用函数最大化。该博弈模型中,次用户的效用函数为下行数据速率减去CSI反馈速率的线性代价函数,并且证明了其纳什均衡的存在性。同时,为了确保满足主用户的干扰门限,应用了功率控制和波束成形算法。仿真结果表明,本文所提出基于博弈反馈控制算法的系统容量大于等速率反馈的算法。　　为提高认知 MIMO系统的容量,本文研究了有限反馈下基于博弈论的联合功率分配与反馈速率控制优化问题。通过建立新的博弈模型,证明了其纳什均衡的存在性。同时,根据功率与反馈速率的关系,提出了一种迭代算法,可快速收敛到博弈不动点。仿真结果表明,联合优化算法的性能优于单单考虑反馈速率的算法。　　本文的研究成果有助于解决认知 MIMO系统中反馈资源受限下次用户的资源分配问题,有助于认知MIMO系统加快实际系统应用的进程。