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。