无线网络标准的快速增多和网络应用的日益丰富给有限的网络带宽带来了巨大的压力,频谱资源匮乏正逐渐成为制约无线网络技术提升及应用开发深入的主要障碍。然而,受限于传统的静态频谱管理方式,人们实际使用到的无线频谱仅占所有可用频谱的2%-6%,造成了一方面无线频谱资源十分稀缺,另一方面对频谱的使用率却极为低下的矛盾。为了最大限度发挥有限频谱资源的应用潜力,认知无线电(Cognitive Radio,CR)技术应运而生。其核心思想是CR具有认知能力,通过与周围环境的信息交互,以频谱感知的方式利用在频谱空间上的空闲频谱,提高频谱利用率。在此基础上,研究人员将认知计算技术从无线电领域拓展到无线网络领域,并提出了认知无线网络(Cognitive Radio Networks,CRNs)的概念。与现有无线网络相比,认知无线网络能够感知内外环境变化,实时调整网络系统的模块或参数配置,动态智能地适应环境并指导未来的自主决策,实现对网络资源的合理共享和优化利用,成为解决资源受限条件下多网/频谱共存的根本手段,最终提高无线网络端到端的性能。认知无线网络不仅能够为管理者和运营商提供未来无线频谱管理和运营的全新模式,同时也将为用户带来动态和异构网络环境下更加优越的业务体验。然而,认知无线网络提出时间尚短且应用环境复杂,虽在频谱感知、接入和共享方面取得了基础性理论研究成果,但在面对特定网络环境(异构、动态)和用户行为(自私、恶意)时,在感知精度和接入效率等指标上仍存在不足,距离实用化部署还存在较大差距。据此,本文以解决认知无线网络特定条件下的频谱感知和网络接入问题为目标,以认知计算理论为基础,以博弈论、信誉计算、模糊神经网络等方法为手段,结合已有研究成果,建立满足特定网络环境和用户行为的认知无线网络频谱感知模型,并据此研究能够有效提升认知用户QoS和用户体验的频谱接入和网络接入的新方法,为认知无线网络技术的改进和完善提供参考。主要研究内容组织如下:首先,针对认知无线网络中存在自私认知用户的情形,提出一种基于非合作博弈论的协作频谱感知方法。利用博弈论刻画认知用户的动态协作感知及自私行为,并通过求解纳什均衡使认知用户获得最大收益。通过对竞争环境下的认知用户频谱感知时间、能量消耗、协作开销以及自身吞吐量之间的关系进行量化分析,建立多认知用户间的非合作博弈框架。在此基础上,制定合理的认知用户效用函数,并证明了非合作频谱协作感知博弈中纳什均衡的存在性。为提高参数收敛速度,提出一种分布式参数收敛算法。实验结果表明,该方法能够有效抑制认知用户的自私行为,改善系统吞吐量并提高频谱感知性能。其次,为了克服认知用户恶意行为给协作频谱感知带来的不良影响,提出一种基于信任博弈的分布式协作频谱感知方法。其基本思想为利用信誉状态参数量化和描述恶意用户的行为特征,然后根据恶意用户在各次交互中的行为策略选择对信誉状态进行调整。该方法以使认知用户获取更大的长期收益为驱动,鼓励恶意用户选择友好的合作感知策略。为了凸显持续提供诚实服务的重要性,提出一种柔性信誉机制。它将用户行为的持续性作为评估其信誉值的重要因素,并制定“区分化”的惩罚机制应对用户的不同恶意行为,对行为偶尔偏离的“初犯”用户和经常偏离的“惯犯”用户予以不同惩处力度,激励恶意用户“改过自新、改邪归正”,提高参与协作频谱感知认知用户间的交互成功率,进而保障认知无线网络的公平性和接入性能。再次,为了提高认知用户在频谱接入过程中的服务质量和认知无线网络系统的实际性能,提出一种基于模糊推理的认知无线网络频谱迁移方案。在不干扰主用户的前提下,以认知用户对单个频谱空穴占用时间最长、迁移次数最少以及迁移决策时间最短为目标,以迁移因子作为认知用户频谱迁移的决策因素,建立一种基于模糊推理的频谱迁移框架,并使用预判决方法提升频谱迁移效率以及减少系统开销。为缩短推理时间,提出区间Mamdani模糊推理方法,并使用二次判决的方式降低算法复杂度。实验结果表明,该方案能够有效降低认知用户业务传输的强制中断率、重传率以及频谱迁移次数,提高认知无线网络频谱资源的有效利用率。最后,为了提高接入网络和终端业务的性能,提出一种基于模糊神经网络的智能接入选择方法。通过建立符合特定需求的模糊神经网络,将网络侧的网络带宽、网络时延、负载均衡以及终端侧的移动速度作为衡量接入网络优劣的判定因素,并利用模糊逻辑对上述接入元素进行模糊化,使用模糊神经网络对其进行推理,从而选择最优接入网络。为了提高参数学习的性能,提出一种模糊粒子群优化学习算法,与基本粒子群优化算法相比,该方法能够避免后期收敛速度明显变慢甚至趋于停滞的缺点,保障模糊神经网络的参数优化质量。实验结果表明,该方法能够有效降低终端接入阻塞率,降低分组业务的丢包率并提高接入网络的平均吞吐量。