在认知无线电网络(Cognitive Radio Network,CRN)中,任何成对用户都需要借助在某一个共同信道上进行数据交换。在早期的研究中,最为常用的方法是在CRN中利用公共控制信道(Common Control Channel,CCC)来实现交会。然而,CCC存在不足之处,如容易出现“单点瘫痪”、容易受到外界干扰攻击以及不适用于动态的网络场景。因此本文将针对以上问题提出用于认知跳频的交会跳频算法,具体研究内容如下所示:本文针对当前交会跳频算法存在的问题,结合GOS算法里排列组合思想和JS算法里跳跃-等待的思想提出了一种新的跳跃和等待交会跳频算法NJSRCH(A New Jump and Stay Rendezvous Channel-Hopping algorithm)。接着对NJSRCH算法进行了理论分析,且通过数学归纳总结等方法推导出了该算法的MTTR(Max Time To Rendezvous,最大交会时间)和ATTR(Average Time To Rendezvous,平均交会时间),并通过仿真对比分析了NJSRCH算法,GOS算法,JS算法在MTTR和ATTR上的性能表现,结论是NJSRCH算法性能优于GOS算法和JS算法。为了提升NJSRCH算法适应复杂通信环境的能力(抗干扰能力),本文提出了基于遗传算法的改进交会跳频算法,即E-NJSRCH(A New Enhanced Jump and Stay Rendezvous Channel-Hopping algorithm)算法。首先,引入了新的交会跳频解决方案并简要的分析了交会跳频理论基础;然后,结合遗传算法相关理论和交会跳频理论基础里的重要参数,建立了相应的数学模型,如认知跳频交会成功率、遍历概率及其期望、平均最大遍历时间;接着进行仿真,观察个体的发展趋势,找到最优解;最后,推导出E-NJSRCH算法的MTTR和ATTR,且与NJSRCH算法进行比较分析,且分析结果表明,虽然E-NJSRCH算法在MTTR和ATTR上的表现稍逊色于NJSRCH算法,但是E-NJSRCH算法在环境适应能力上优于NJSRCH算法。考虑到实际的通信环境,综合来看,E-NJSRCH算法跟符合实际要求。