随着无线通信技术的迅猛发展和人们通信要求的不断提高,频谱资源日益显得匮乏,现有的固定频谱分配体制造成已分配频谱在很多时间出现闲置状态。面对频谱利用率低下和频谱资源紧张的矛盾,认知无线电技术被认为是解决这一难题的有效方法。认知无线电技术革新传统的频谱管理体制,用全新的观点调度利用频谱资源,提高频谱利用率。认知无线电技术是当今无线通信领域的研究热点。认知无线电是高度智能化的无线电系统,人工智能技术在其中起着重要作用。本文总结了知识表示、专家系统、神经网络、遗传算法、模糊逻辑、博弈论等人工智能技术在认知无线电中的应用。认知引擎是人工智能技术应用的智能平台。认知无线电的工作过程构成认知循环,根据认知循环过程的主要任务,本文改进了认知引擎模型的结构和功能划分。感知电磁环境、发现频谱空穴是实现认知通信的基础。对感知的信息进行学习推理、制定认知设备参数优化调整方案是实现认知通信的关键,也是认知无线电智能的核心体现。本文提出一种基于神经网络和遗传算法的学习决策方法,用神经网络完成参数学习,遗传算法实现可调参数的多目标优化,最终制定出最佳的空闲频谱利用决策。GSM系统是当前广泛应用的一种固定频段通信系统,在夜间闲时和人口稀少的地点,认知无线电可以利用发现的GSM系统空闲频谱。认知设备通过学习决策占用发现的GSM系统空闲频谱。根据GSM系统的蜂窝小区特点和认知设备的距离,本文将面向GSM的认知通信划分为不同的情形,运用文中提出的认知学习决策方法,仿真了认知引擎的参数学习和自适应调整过程。