随着5G无线通信的快速发展,新的无线应用业务对频谱资源的需求日益增加,频谱稀缺成为严重的问题。此外,授权频谱是固定分配的,无法根据实际业务状况灵活配置,这就导致频谱的低效利用。为了充分利用有限的授权频谱,一方面需要更高频谱效率的接入技术,另一方面可以使用异构网络(HetNets,Heterogeneous Networks)实现。与此同时,考虑到空间中还存在大量空闲的非授权频谱资源,认知无线电技术能够动态感知并利用时间和空间上空闲的无线频谱资源。在这样的背景下,能联合利用授权频谱和非授权认知频谱的混合认知无线中继网络((HCRRN,Hybrid Cognitive Radio Relay Network)被提出,中继具有认知能力,以两跳的方式服务用户,进一步提升了系统容量。但是,与传统异构网络相似,HCRRN存在的一个主要挑战就是负载不均衡问题,严重影响系统性能。因此,需要针对HCRRN场景研究合适的负载均衡优化机制。本课题针对5G认知中继异构网络中基站和认知中继之间的负载均衡问题,建立了以实现系统各站点负载率均方差最小和资源消耗最低的双目标求解问题,然后通过线性加权求和方法将其转换为单目标求解问题,并针对此优化目标,提出了基于智能遗传算法的求解方案。仿真结果表明,本文提出方案在系统负载均衡、资源利用率、阻塞率以及系统吞吐量等方面均具有较好的性能,验证了其可行性。结合此负载均衡优化方案,本文搭建了面向5G认知中继异构网络的负载优化系统级仿真平台,此平台采用模块化开发,具有良好的封装特性,提供多种仿真参数自定义设置,例如中继个数、用户分布类型和用户关联方案等,可以很大程度满足仿真需求,并且针对仿真结果支持图形化界面展示和数学统计两种形式。总之,本文重点研究了5G认知中继异构网络负载优化机制,并搭建了面向5G认知中继异构网络的负载优化平台,弥补了混合认知无线中继蜂窝网络场景下负载均衡问题相关研究的空缺,进一步保障和提升了网络性能。