认知网络的出现为日益紧缺的频谱资源的使用提供了有效的解决方案。现有对于认知网络的研究主要集中在动态频谱接入技术上,包括动态频谱的检测、分配和共享等。认知多跳网络相比传统的无线多跳网更加复杂。在认知网络“动态频谱”特性的背景下,多跳传输很可能无法实现。因为多跳路径上的次用户位于不同主用户范围内,受主用户的干扰不同而具有不同的可用信道。当相邻次用户间没有公共的可用信道时,就不能直接通信,网络可能出现分裂,划分为多个互不连通的分区。传统认知网络组网技术中,次用户只采用认知信道进行数据传输,而公共信道通常只用于控制消息的交互。在认知多跳网络中出现拓扑分裂的情况下,只能在公共信道的辅助下实现分区间的数据传输。然而,公共信道对于认知网络而言是一种昂贵的资源,节点使用公共信道进行数据传输具有较高的传输成本,节点不能随意使用该资源进行数据发送。为了提高公共信道资源的使用效率,在各分区边缘选择虚拟骨干,由虚拟骨干使用公共信道进行跨区数据的转发。如何构建虚拟骨干网进行高效辅助传输是本文研究的重点。由于区间传输是通过虚拟骨干实现,根据什么样的指标选择虚拟骨干将直接影响公共信道的传输效率、区间的连通性和网络的稳定性。为此,本文分别在第三章和第四章提出了基于稳定性的骨干组网算法和基于网络编码的骨干组网算法。由于认知网络的频谱动态性,在次用户可用的频谱发生变化时,网络拓扑分裂的情况也能随之改变,从而造成虚拟骨干的重新选举。重新选择虚拟骨干会增加网络的维护开销,为了减少虚拟骨干的维护开销,我们在第三章中采用稳定性的指标构建虚拟骨干,提出了基于稳定性的骨干组网算法。该算法主要分为区的形成、候选骨干的选举、骨干的选举和连通性增补四个步骤。通过提高虚拟骨干网的稳定性,尽可能地减少虚拟骨干的重新选择,从而有效地降低了维护开销,同时提高区间传输的稳定性。仿真结果表明该算法可以获得稳定性良好的虚拟骨干网。在第四章中,为了提高跨区传输效率,我们设计了一种基于网络编码的骨干组网算法。该算法考虑了基于网络编码的高效传输机制,设计了相应的收益函数并建立了数学优化模型。由于所提模型是一个非线性整数规划问题而难以直接求解,我们设计了一种改进的二进制粒子群优化算法进行求解。仿真结果表明,所提算法能够最优化收益函数值,获得性能优良的虚拟骨干。