随着绿色无线通信技术的快速发展和Facebook、Twitter等社交工具迅速的普及，使得频谱资源稀缺的问题变得越发严重。认知无线电(Cognitive Radio，CR)技术是一种解决频谱资源利用率低下的关键技术方案。认知网络具有认知无线电功能，在保证主用户可以高优先级使用授权频谱的前提下，将主用户未利用的授权频谱分配给认知用户进行二次利用，从而提高整个频谱资源的利用率。目前针对认知网络的研究主要集中在物理层和MAC(Media Access Control)层，而鲜有与网络层的路由算法相结合进行联合优化。本文针对认知网络的路由算法展开研究，主要的工作包括:本文先介绍了认知无线电技术与认知网络的技术背景、研究现状，同时对路由设计所面临的挑战和现有的路由算法进行归纳总结。其中，重点介绍了几种典型的分布式认知网络路由算法。　　 针对现有的路由算法中没有考虑主用户使用授权频谱的频率和认知用户重建路由时间对认知网络性能影响，本文研究一种基于信道分配的多跳认知网络路由算法(MCRC)。MCRC路由算法通过建立不同的排队论模型分别刻画主用户与认知用户对授权频谱的使用情况，并依据排队论原理计算认知用户使用授权信道的信道可用概率与信道的边权值，信道可用概率是在主用户未使用某信道前提下，认知用户与其他认知用户进行无冲突竞争获得使用该授权信道的概率，该信道的边权值是指传输固定大小的分组数据需要的有效传输时延;而且，通过信道分配得到全局信道分配的基础上，认知用户根据信道的边权值进行逐跳的路由选择。根据性能分析与评估的结果表明，MCRC路由算法与现有的稳定性路由算法相比具有更小的端到端时延和更高的端到端吞吐量。　　 此外，针对基于OFDM认知网络中频谱移动对路由稳定性和网络性能的影响，并考虑认知用户间的相互干扰，研究一种基于OFDM认知网络的最优路径路由算法(OROCR)。该算法先创建泊松过程模型描述主用户占用信道的情况，根据此模型计算认知用户使用授权信道的概率与信道的平均吞吐量，考虑认知用户间的干扰得到各路径的期望传输时延;采用类似按需路由协议的基本流程思路得到所有可能路径，目的用户再选择最小累积期望传输时延与最大平均吞吐量的最优路径。本文在NS2仿真环境下搭建仿真平台，并通过与现有算法进行对比，验证OROCR算法性能的优越性。仿真结果表明，OROCR在平均时延与平均吞吐量方面优于现有路由算法。