近年来,围绕着提高频谱利用率、提高通信速率、增加通信可靠性、降低对主用户的干扰,业界对CRAHNs(认知无线电Ad Hoc网络)进行了广泛研究。大规模多输入多输出(Massive MIMO)技术在增强频谱和能量效率方面具有很大优势,因此将Massive MIMO技术应用到CRAHNs中来提高网络的通信性能并降低能量消耗。本文主要研究了CRAHNs网络中基于Massive MIMO的资源分配问题。(1)在理想和非理想CSI(信道状态信息)两种情况下,推导了Massive MIMO上行系统采用MRC、ZF和MMSE检测时的容量下界,仿真验证了这三种检测的容量下界与理论容量近似。此外,在节点最大功率的约束下,提出了基于容量下界的资源分配优化模型。(2)在簇头采用MRC和ZF检测的情况下,分别提出了基于能效下界的资源分配算法(UMRA和UZRA)。UMRA算法在考虑了电路功率消耗、各节点的最低速率以及最大可容忍干扰水平的情况下,建立了以能效下界为目标函数的非凸优化模型。而UZMA算法是在满足各节点的最小数据速率以及最大发射功率的约束下所建立的基于能效下界的优化模型。两种算法都根据分数规划的性质将能效目标函数转化成减式形式,采用凸优化的方法对最优化问题进行求解,从而获得最大能效值(bit/Hz/J)。通过仿真验证了所提算法的高效性,并比较分析了UMRA和UZRA算法的优缺点。(3)针对单-多天线节点提出了OFDM的容量资源分配模型,采用注水算法(WFA)来对系统进行功率分配,仿真对比了注水算法和平均功率算法(MPA)对系统容量的影响,表明了注水功率分配算法具有更好的容量性能。针对多-单天线节点提出了在非理想CSIT时的能效资源分配算法(DMRA),DMRA算法在考虑了信道中断、最大功率限制、最低速率需求的条件下,建立了基于能效的非凸优化模型。先将能效非凸优化模型的分数形式转化为减式形式,对新形式的优化模型进行数据速率等效来满足信道中断概率,再凸化后采用对偶分解来求解。联合调整子载波、功率、数据速率以及天线数来达到最优能效。仿真结果表明了所提算法能以较小的迭代次数收敛到最优能效性能。