随着无线网络技术的快速发展,认知无线电关键技术研究取得了显著进展。然而,对认知无线电知识挖掘和学习推理模型的研究仍处于起步阶段。因此,在当前认知无线电(CR)技术研究的基础上,本文主要研究了认知无线电中知识挖掘与决策的实现方法,其主要工作总结如下:　　 本文深入研究了粗糙集和决策树C4.5方法,设计了一种知识挖掘方法,即Ⅰ_C4.5,并以此方法建立了CR知识挖掘模型。创建了两种仿真数据采集场景,其中,场景一通过修改MATLAB802.11a的调制参数自适应条件来收集样本数据；场景二应用OPNET搭建通信模型来收集样本数据。两种场景下的仿真结果表明:基于Ⅰ_C4.5方法的CR知识挖掘模型能够准确地对认知用户需求进行知识提取,达到认知无线电引擎准确提取知识的要求。　　 然后,针对自组织特征映射网络存在的学习时间长、知识提取准确度低等问题设计了一种改进方法Ⅰ_SOFM。该方法主要从输出层设计、权值初始化、优胜邻域设计和学习率设计方面进行改进。创建了认知无线电学习推理模型,并采用场景一收集的数据样本进行自组织特征映射网络分类性能仿真和学习性能仿真。仿真结果表明:基于Ⅰ_SOFM方法的CR学习推理模型在分类正确性、训练有效性和学习准确性方面均优于改进之前,保障了CR决策知识提取的及时有效性。　　 最后,本文针对认知无线电用户不同业务需求的决策与配置问题,依据配置效益函数设计了认知无线电决策配置模型。针对场景一,该模型依据可靠性和有效性两个主要通信质量指标进行仿真,仿真结果表明:配置后的通信误码率与配置前相比较明显降低；针对场景二,该模型从延迟和吞吐量两个方面来完成决策配置仿真,仿真结果表明:CR进行参数配置后的通信吞吐量明显优于未采用认知通信配置前的吞吐量性能。以上两种场景的仿真分析验证了该参数重配置模型的有效性,解决了认知无线电引擎系统决策配置参数问题。