随着无线网络和无线用户的日益壮大,无线频谱资源严重稀缺,固定频谱接入技术已经不能满足如此严峻的形势,因此动态频谱接入应运而生。与集中式动态频谱接入相比,分布式动态频谱接入具有无集中控制单元、稳健性好和复杂度低等优点,因此分布式频谱接入是未来认知无线电研究的主流发展方向。在分布式频谱接入的场景中,主要的问题是认知用户之间如何共享主用户提供的可用信道集合,涉及到认知用户的位置、信道条件、认知用户竞争信道概率等参数。在现有的分布式频谱接入的研究中,干扰的计算考虑的是全部认知用户相互的影响,往往忽略了用户位置、用户行为、业务需求等通信环境(情景)属性的影响,而研究这些问题对进一步挖掘和提升频谱资源利用率具有重要的意义。因此本文基于用户位置、用户行为等情景属性,针对分布式信道选择问题,研究了频谱接入策略,论文的主要工作和创新点如下:1.针对认知用户相对空间位置的不同可能提供空间复用的频谱接入机会,提出了基于认知用户位置信息的频谱空间复用策略,其思想是引入空间位置干扰图描述相邻用户之间的干扰关系并度量干扰容限,将信道状态关联为速率约束。在此基础上将认知用户之间的博弈问题建模为以最大化吞吐量为目标的最优信道集合选择问题。并理论证明了纳什均衡解的存在性。通过仿真验证了策略的合理性和有效性,结果表明基于用户位置的空间复用策略,明显地提高了系统吞吐量和频谱利用率。2.在基于空间复用策略的基础上,考虑处于异构网络中的认知用户参与竞争信道的业务需求、意愿和满意度,引入竞争信道概率参数,提出了基于用户行为的分布式频谱接入策略和博弈模型,以认知网络损失吞吐量最小化为优化目标,求解最优的信道选择集合即纳什均衡解,通过理论推导证明了解的存在性。仿真结果表明考虑用户行为和满意度后,在保证用户QOS需求前提下,所提议的频谱共享策略提高了系统吞吐量及用户满意度。3.针对基于策略随机选择算法求纳什均衡解过程中,学习步长的选择对收敛速度和性能的反向作用,提出了一种自适应步长随机学习算法,该方法通过迭代过程中的懒惰因子来自适应更新学习步长,并证明了该算法的收敛性。仿真结果表明:相对于固定步长,自适应步长随机学习算法可以在系统性能和收敛速度之间达到一个有效均衡。