随着MEMS技术的普及,芯片效能的提高,网络的接入端体积变得越来越小,形式也越来越多样化。无线终端可以是手持设备如手机、平板和笔记本电脑,也可以是无人控制的移动传感器节点,车载节点等各种设备。随着物联网的普及,无线接入终端更是无处不在,无时不在,分布在世界的每一个角落。概括地说,下一代无线网络的特征为便携式和移动化,并且能够随时随地接入互联网。纵观无线网络的未来发展趋势,我们不难发现：不同于传统的集中式网络,分布式网络,或者说网络中分布式的特征,正在悄然代替一些传统的网络组织模式,并开始扮演越来越重要的角色。然而,现今大多数成熟的通信体系,包括其基本协议栈,算法等,都是默认针对集中式网络而设计的。若不改变整个网络的拓扑组织方式、信号传播与处理算法,以及研究分布式资源分配和性能优化方法,是难以在现有框架内直接升级到适应于大规模分布式网络的技术体系的。然而针对大规模分布式网络的研究尚显不足,特别是缺乏一些基础理论研究。因此,本论文主要侧重于未来分布式网络架构,对其中一些必要技术进行了探索。具体地,我们研究了从分布式网络结构控制,信号处理算法,到分布式资源分配及容量性能优化,再到分布式信息散播的一系列核心技术和理论,主要包括以下几个方面：我们针对分布式网络拓扑管理以及信号处理技术进行了研究。具体地,我们研究了一种针对大规模认知传感网络的自组织分簇方法,这是网络进一步执行通信、计算、传感等功能的基础。我们将网络中的通信分为簇间通信和簇内通信两种,提出了能量有效,鲁棒性,快速收敛性等分簇性能指标,并以此为准则,设计出一种快速高效的分簇算法。具体地,我们引入机器学习中的分簇方法,并针对认知传感网的具体情况,提出了一种受限分簇的概念,并设计出了可行的分布式频谱知晓分簇算法(DSAC)。该算法可以在没有中央控制器指挥的情况下,快速将数以万计节点的网络,根据认知节点所共有的信道,划分成合适大小的簇。并且,在主用户活动性发生变化时,能够快速响应,产生新的簇划分来应对。然后,我们进一步研究了在分簇拓扑结构的大规模网络中,临近节点如何利用频谱的稀疏性,进行高效准确的频谱感知。具体地,我们假设待感知的频谱带宽非常宽广,可达10GHz以上,而参与感知的传感器节点由于自身的硬件、能量限制,无法进行高频率的采样。我们利用了宽带频谱的稀疏性,又让临近节点高效地合作感知,以较低的采样率合作完成超宽带频谱感知。我们设计了基于压缩感知的宽带频谱感知算法,并设计了相应的信令交互流程,使用非常简单的采样器结构完成低速采样、高速感知。我们深入研究了分布式认知网络中的多接入信道。我们首先提出一种联合信源信道感知算法,以在机会式频谱接入的场景下,获得最大的多接入容量。具体地,我们挖掘认知传感网络中特有的信源感知和信道感知共存的特点：在能量受限的情况下,两种感知任务是相辅相成又相互竞争的。我们根据这种特点设计了一种联合算法,以动态均衡节点资源,使得容量最大化。然后,我们针对另一种机会式接入空闲频谱的认知多接入信道,深入分析了其容量区。认知信道有两种：一种是主用户、从用户同时通信,而从用户需保证其对主用户干扰受限。第二种是从用户在接入信道前先进行频谱感知,感知结果作为发射机的开关,所以这又称为“开关式”认知信道。后者更接近实际,且更有希望首先被应用,因此获得了广大认知无线电学者的关注。我们的容量研究正是基于后者的。具体地,我们将认知多接入信道建模为多开关信道,将主用户占用信息看做多接入信道的边信息,利用多用户信息论中的边信息理论,理论分析了多种情况下该种认知多接入信道的容量。我们研究了分布式移动网络中的信息传播现象,这不同于以往针对容量和能耗的研究。具体地,我们先就一种较稠密的全分布式网络,以及一种较经典和实用的信息传播算法-流言算法(Gossip Algorithm),理论分析了其在移动网络中散播信息的时间。我们创新地提出了一种“移动传导率”的概念,其对应地刻画了移动网络传导信息的能力。我们针对全移动、部分移动、速率受限移动、一维以及二维区域受限移动等多种模型进行了抽象,试图提炼出其中主导信息传播效率的参数,并予以讨论和总结。我们提出的方法和结论是通用的,即可适用于各种满足要求的移动网络,这使得所得结论的应用性和指导意义大幅提高。特别地,为了验证理论分析的正确性,我们开发了一个大规模,高效的网络仿真平台,其可以模拟上万个运动节点,并统计其中的信息传导时间,结果与理论值相吻合。由于信息传导领域相关文献不是很多,我们也进一步展望了今后的研究内容。