随着无线通信技术的发展,无线通信技术遍及人们生活的每一个角落。然而与此同时无线频谱资源却越来越紧张。所以,一直以来无线技术的核心问题就是如何提高频谱的利用效率。近年来一种新的混合无线网络结构正在走进研究者的视野。这种混合无线网络将传统的蜂窝网络(Cellular)和自组织网络(Ad hoc/ Device-to-Device)结合在一起,以期将两者的优势结合起来提高整体的网络性能。混合无线网络与无线mesh网络不同在于,这种无线网络支持与蜂窝网络相同的移动性；与过去的异构网络不同点在于,两种网络共享同一段频谱。由于工作与同一频段,两个网络之间的干扰问题是否能得以解决将是决定这种网络结构成败的核心问题。因此,这种网络结构本身就是一种很大的挑战。而认知无线电技术(Cognitive Radio)为解决这个问题提供了思路和解决方案。认知无线电的研究从开始就是以动态、智能地利用授权频谱中的空闲频带以提高无线网络的频谱利用率为目的。其核心是赋予认知无线电设备通过对外界环境的认知和学习,动态地调整自身的运行参数,从而达到优化资源目的。而对于混合无线网络来说,认知无线电技术的引入,使得用户设备(UE)有能力对环境进行学习以使其自身能够智能地参与网络的优化并有效地避免干扰。而且,这种认知无线电UE的引入使混合网络并不需要在原有的蜂窝网络结构基础之上作大的改动。本文的研究正是建立在认知无线电设备的基础上,考虑网络中的用户设备(UE)具有认知、学习以及决策的能力,本文为UE设计了一种考虑干扰代价的模型,并根据模型提出了一种UE的模式选择、路由选择以及功率分配的优化算法。论文从介绍认知无线电的相关概念和与混合无线网络场景的相关研究开始,然后给出了系统的优化模型和干扰为代价的模型。随后,根据数学模型给出了一种简单有效的分布式优化策略。最后,设计两个仿真场景来验证模型和算法对网络的吞吐和负载的改善。仿真结果证明,本文提出的算法和优化策略很好地解决了UE模式选择、路由选择以及功率控制的联合优化问题,为混合无线网络的优化提供了一种新的解决方案。