由于无线网络的带宽资源有限,因此资源分配问题一直以来都是无线领域的技术难题,它直接关系到无线网络的整体性能。与传统的无线网络相比,资源调度不均衡的问题在复杂多变的认知网络中表现的更加严重。在频谱资源受限的情况下,协作通信技术可以在一定程度上保障数据传输的Qo S(Quality of Service)。然而由于认知网络环境自身特点,使得传统的协作技术受到限制。首先,主节点对授权带宽具有独占性,只有在授权频带空闲的情况下,认知用户才可以使用,这就造成了带宽资源的浪费;其次,由于协作节点的可用带宽是动态变化的,因此静态的协作方案无法适应网络环境的动态性;最后,通过协作节点进行的数据辅助传输很难达到适度服务的原则,从而导致网络整体的带宽利用率难以提升。在本文中,我们针对多跳和多信道的动态网络环境,提出一种Qo S保障的双向动态协作的数据传输方法,该方法可以提升网络吞吐率、降低主节点功耗以及最大化空闲带宽利用率。本文的主要研究工作包括以下几方面内容:(1)构建了一个协作模型,该模型包含了基于博弈论的协作节点选择、主次用户间的双向协作、协作方案的自适应调整以及主节点的功耗控制等功能模块。(2)构建了一种基于博弈论的协作节点选择模型。以节点间距离和空闲带宽大小作为限制条件,对请求协作节点周围的主节点进行筛选和功率覆盖范围的确认,并且以收益函数作为最终目标进行博弈选择,从而生成全局最优的协作策略集。(3)提出了一种双向协作和带宽自适应调整的数据传输方法。根据网络环境和节点的传输需求,对进行协作的主节点进行分时和动态分频处理。一方面,主节点利用部分带宽对次节点进行协作,从而使主节点在不影响自身传输需求的前提下达到降低功耗的目的;另一方面,次节点利用剩余带宽对主节点进行协作,从而达到保障次节点传输需求的目的。(4)基于NS2双路径传播模型,我们对主节点的功耗进行了优化。以传输距离为基准,在不影响传输性能的条件下对主节点功耗进行梯度递减。