随着无线通信技术的迅猛发展，以无线局域网、Ad-hoc网络和无线网状网为代表的无线网络得到了非常广泛的应用。然而作为信息业务载体的无线频谱资源是有限的，属于政府统一分配管理。为了解决当前频谱资源稀缺，频谱整体利用率低下的状况，认知无线电技术应运而生，成为了无线通信界的“下一个大事件”。认知无线网络是认知无线电技术的网络化，它通过对无线网络环境的感知，能够自动搜索并利用空闲的频谱。通过对认知无线电研究现状的总结，针对认知无线Mesh网络的拓扑管理和动态频谱分配等方面开展了如下研究：(1)在基于认知的Mesh网络拓扑管理方面，主要分析了网络中簇的形成、维护和重组过程，研究了当前的两种分簇算法——本地最小支配集算法和针对广义认知网络的频谱相似性自适应算法。在提出了节点间可用频谱的质量聚合度这个重要因素后，联合节点位置变化信息，选择频谱聚合度最高且位置变化最小的节点作为簇头，形成了一种新的分簇算法。同时，该算法对定义簇内成员节点数量的约束阈值，能有效的均衡网络负载。仿真结果表明，该算法能更好地维持网络拓扑的相对稳定，而且在频谱利用率方面更具优势。(2)在认知无线Mesh网络频谱资源管理方面，主要研究了当前的主流分配模型，且分析了多种图论分配算法——分布式列表着色算法、并行算法以及颜色敏感着色等算法。针对颜色敏感着色算法时间开销大和并行算法公平性较差等问题，提出了一种基于用户需求的比例公平信道分配算法，其核心思想是每一轮信道分配更新相关矩阵的时候，节点都进行一次信息（信息内容包括节点自身的流量需求与实际获得的信道资源等）交互。该算法根据交互的结果优先最有需求的节点获取信道资源。仿真结果表明，该算法在保障了网络效益的同时，提高了系统的整体公平性，可以更好地满足用户需求。