随着通信网络技术的飞速发展,全球网络系统的规模也正在以新摩尔定律的发展速度不断向前推进,随之而来的是网络结构复杂性、网络环境复杂性和用户需求复杂的性急剧增长,如何对日益复杂的网络系统进行管理也称为当前通信网络面临的一个主要挑战。基于现有网络的工作机制,网络元素(包括节点,协议,策略和行为等)缺乏智能的自适应能力,导致网络往往只能实现次优的性能,无法完全发挥整体网络性能及端到端系统性能实现最优化的能力。受限于层次化协议的网络结构,独立的网络元素不能感知环境的当前状态以及其它网络元素的即时行为,从而只能在受限的知识领域内对网络做出响应,所带来的修正决策也只是被动地发生在问题出现之后,网络系统缺乏主动的、全局的适应能力。传统的网络技术过多地依赖人工干预,明显缺乏对复杂环境的适应能力,很难满足实际应用多元化的需要,因此人们期望在网络节点和整个网络这两个层面上引入人工智能的思想来解决上述问题,认知网络(Cognitive Network, CN)就是顺应这个需求而产生的新课题,并日益成为计算机网络领域和通信网络领域的研究热点。本文提出了一种面向用户的跨层认知网络架构,极大的考虑了用户体验。为了保证用户对于服务的评价,本文提出一种新型的评价用户体验(Quality of Experience, QoE)的模型,这个模型是基于服务质量QoS (Quality of Service)和用户行为的。另外,由于网络是面向用户的,不同的用户应该有不同的跨层算法,并且这些跨层算法也应该适应多变的环境。因此,本文引入了动态跨层设计的思想,根据用户的QoE动态调整跨层算法。另外,为了保证异构环境下的无缝切换,本文提出了一种基于小波分析和模糊控制系统的认知切换算法。该算法包括以下两步：首先,对接收到的信号进行小波分析,将信号分为主信号和噪音信号两部分；接着利用自适应模糊神经控制系统(Adaptive Neuro-Fuzzy Inference System, ANFIS)做出智能的切换决策。该算法充分分析利用了现有的数据,并通过学习切换结果及时调整切换判决条件