传统的频谱管理方式是将一定频谱资源固定分配给特定的业务单独使用。随着新的无线业务的不断出现，导致了可用于分配给新的无线业务的频谱资源越来越稀缺。然而，研究表明分配给授权用户的频谱在很多时候并未被充分使用。因此，固定的频谱分配方式并不能够有效利用频谱资源。为了提高频谱的使用效率，人们提出了采用认知无线电技术来实现频谱共享。在频谱重叠方式的认知网络中，次用户需要通过适当的功率控制来保证主用户的正常通信，并降低次用户间的相互干扰，从而实现认知网络的高效频谱共享。因此，设计有效的功率控制算法是认知网络中的一个关键研究内容。　　本论文基于博弈论的方法，深入研究认知网络中的功率控制问题，基于不同的优化目标和频谱共享场景设计认知网络中的功率控制算法，来提升认知网络的整体性能(公平性、主用户的收益、次用户的和速率、次用户的总功率、容许接入的次用户数等性能指标)。主要工作和创新点如下：　　(1)考虑次用户对主用户频谱共享的公平性，采用合作博弈分析了认知网络中的功率控制问题。通过对合作博弈所对应的纳什谈判问题进行最优性条件分析，提出了一种基于合作博弈的分布式功率控制算法，理论分析和仿真结果表明所提分布式功率控制算法的收敛性。同时，所提分布式算法较传统的基于合作博弈的分布式功率控制算法能更好地保证次用户间的公平性，提高次用户的和速率。　　(2)考虑主用户基站通过对次用户的干扰定价来控制次用户的干扰，基于Stackelberg博弈研究了主用户基站的定价和次用户之间的功率控制问题。通过考虑总干扰功率约束条件是否为紧约束来设计主用户基站的定价和次用户的功率控制算法。在总干扰功率约束非紧的情况下，所提基于Stackelberg博弈的功率控制算法较基于比例定价算法提高了主用户基站的收益和次用户的总收益，同时还提高了次用户的和速率。　　(3)考虑主用户基站采用串行干扰消除来降低次用户间的相互干扰，通过Stackelberg博弈分析了主用户基站的最优定价和次用户的功率控制问题，提出了认知网络中基于干扰消除的功率控制算法，给出了主用户基站对次用户的最佳干扰消除顺序来最小化次用户的总功率。仿真结果表明，所提基于干扰消除的功率控制算法较基于比例定价算法提高了主用户基站的收益和次用户的和速率，并节省了次用户的总功率。　　(4)考虑主用户是单独传输节点对和次用户具有单独接入基站的认知网络，采用Stackelberg博弈研究了主用户对于次用户基于定价的功率控制问题。本文通过变量替换将主用户的收益转化为了一个等价凸优化问题。基于该等价的凸优化问题，提出了认知网络中基于最优定价的功率控制算法。在低干扰噪声比和高干扰噪声比下，对所提算法容许的次用户个数进行了渐进分析。仿真结果表明，所提基于最优定价的功率控制算法较非一致定价算法提高了主用户的收益，容许了更多的次用户同时进行数据传输，并且在中等和高干扰噪声比情形下，提高了次用户的总收益、和速率，节省了次用户的总功率。　　(5)在次用户具有最小服务质量需求的条件下，采用Stackelberg博弈研究认知网络中基于定价的功率控制问题。证明了当次用户的最小信号与干扰加噪声比需求大于0 dB时，主用户的效用最大化问题等价为一个凸优化问题。基于该等价的凸优化问题，提出了认知网络中一种保证次用户服务质量的功率控制算法。同非一致定价算法相比，所提保证次用户服务质量的功率控制算法提高了主用户的收益，次用户的和速率，并且可以容许更多的次用户接入频谱。