异构网络的融合是下一代移动通信系统的特征之一。未来的移动通信网络将具有多种无线接入技术,不同的接入技术提供不同的覆盖范围、吞吐量和服务质量等,由于这些技术在性能上的互补性,异构网络融合成为一种必然趋势。自感知,自适应,自配置,自我意识,自我学习等独特的智能特性,使得网络中的每个通信节点不再是简单的受控,而是有了不同程度的主动权,因此传统网络的功能将得到优化。本文首先介绍了认知网络、异构网络以及认知异构网络的关键技术以及发展现状。对异构网络中的多种接入算法如层次分析法(AHP),基于TOPSIS优异度法以及灰度关联算法进行了调研。层次分析法根据不同的业务需求求解各个属性的权重；针对多属性决策中经常出现排序失序问题,提出了TOPSIS的改进方法；根据网络选择中不同的场合和业务需求,提出了基于模糊灰度关联的方法。接着对切换算法进行了深入的剖析,从切换的不同部分入手提高切换算法的性能减少切换的时延。提出了减少切换预测时延的基于卡尔曼滤波的SP算法及提高切换判决命中率的速度感知的VA算法,并通过MATLAB验证了算法的有效性。但是由于实际中网络环境是多变的,最佳的参数设置也会随之改变,因此,最后论文对切换失败、乒乓效应与参数设置之间的关系进行了研究,在此基础上提出并设计了网络自优化模型及切换自优化算法,从而降低人为修改切换参数的复杂性,使得网络的运行维护更加自动化。