本文研究无线网络的资源分配问题,并分别给出了认知环境下和非认知环境下的下行OFDMA(正交频分多址接入)无线组播系统的资源分配算法。在非认知环境中,本文给出的算法与传统OFDMA系统资源分配算法不同,考虑到OFDM系统中相邻子载波间的相关性,我们将一组连续的子载波(chunk)作为资源分配的基本单位。为了克服传统组播系统中容量受限的问题,我们采用FGS (Fine Granularity Scalability)视频编码技术将组播数据流编码成两层：基层和加强层。该算法在可用功率及单个chunk上的平均误码率的约束条件下,满足基层速率要求,并通过实现系统和速率对数最大来保证系统的公平性。同时为了说明本文算法的性能,文中还给出了另外两种多速率组播传输模式下的资源分配算法和一种单速率组播传输模式下的资源分配算法的仿真结果。与其他算法的仿真结果比较可知,本文算法的能够取得更好的性能。认知无线电通过机会地接入授权用户频带从而提高了频谱的利用率,被公认为当前缓解频谱资源紧缺问题的一项关键技术。另外,组播技术能以同一速率同时向不同的用户发送数据,大大地节省频谱资源,对于只能机会地接入可用频谱的认知网络来说,组播技术非常具有吸引力。本文针对不同的组播传输模式,给出了两种基于OFDMA的认知无线电组播网络的资源分配算法。在单速率组播传输模式的算法中,我们将组播组中的最差的信道条件作为该组播组的等效信道增益,算法的目标是在最大化组播吞吐量的同时,满足授权用户的干扰门限限制以及基站总发射功率的限制。而对于多速率组播传输模式,除了功率及干扰的限制以外,还要满足各个组播组的基层速率要求。文章的最后给出了算法的性能仿真,比较可知,基于OFDMA的认知无线电组播系统在多速率传输模式下能够取得比单速率传输模式下更高的频谱效率