传统静态电视频谱分配方法导致大量频谱资源存在浪费,认知无线电(Cognitive　Radio,CR)因通过频谱共享技术提高电视频谱利用率得到广泛关注.当前,智能反射面(Intelligent　Reflecting　Surface,IRS)作为一种日益流行的、高效的解决方案,可以满足更高的数据速率、更好的通信覆盖范围.基于此,研究IRS辅助认知通信系统资源优化策略问题,考虑认知用户(Secondary　User,SU)通过射频(Radio　Frequency,RF)能量采集技术采集绿色能源,最大化SU的平均吞吐量.将IRS辅助认知通信建模为马尔可夫决策过程(Markov　Decision　Process,MDP),提出一种基于残差网络的(Double　Deep　Q-network,DDQN)算法联合优化IRS相移矩阵与认知发射机(Secondary　Transmitter,ST)发射功率.仿真结果表明,该算法能够有效提高SU长期累积吞吐量.