认知无线电自组织网络（Cognitive Radio AdHoc Networks,CRAHNs）是一种融合认知无线电技术和AdHoc网络技术于一体的无线通信网络,有着低成本、易组网、频谱利用率高等诸多优点。CRAHNs的成熟运用将为信息化战争、人工智能以及紧急救援等网络建设提供有力的通信保障。中继传输技术作为CRAHNs的关键技术,在扩大网络覆盖范围、提高网络可靠性等方面起到至关重要的作用。然而,随着CRAHNs规模的不断扩大,使得网络运算空间的复杂度增加、信道选择的维度增大、信道交会即建立通信链路的时间变长,导致现有的中继传输技术难以有效控制网络时延并持续保障其传输性能。因此,本文从影响CRAHNs响应时间和吞吐量性能的网络状态空间、信道选择以及信道交会等因素出发,对以下四个中继传输关键问题展开了深入研究。1.研究了多中继优化选择策略。针对多中继选择容易存在节点冗余或不足的问题,构建了能量加权之和最小化的动态规划优化模型,提出一种基于模拟退火思想的逆向Metropolis准则的网络状态空间剪枝算法。根据信道状态转移概率以及最优邻居子集信息实现了最优多中继选择策略。实验表明该策略能有效减少运算复杂度,同时提高吞吐量并降低平均时延。2.研究了最佳信道选择策略。针对CRAHNs中多个感知信道共存时导致的信道决策问题,基于多臂赌博机（Multi-Armed Bandit,MAB）学习模型,提出了以“信道建臂”的多约束条件下的最优信道选择策略。依托Gilbert-Elliott两状态马尔可夫信道模型,利用置信区间上界（Upper Confidence Bound,UCB）的最大回报来优化信道的选择,并在此基础上提出了一种基于信道质量估计的最佳信道快速收敛方法。3.研究了自适应数据传输优化策略。针对动态环境下信道时变导致数据传输模式不能恒定的问题,提出了以“包长建臂”的MAB包长自适应传输策略。在发送成功或失败将分别受到奖励或惩罚的约束条件下,利用UCB的累积收益来最大化系统吞吐量,并在置信因子和平衡系数的双重作用下提高了系统的收敛速度。4.研究了基于跳频序列的信道盲交会策略。针对盲信道条件下通信链路建立困难问题,分别研究了同步、异步网络环境下基于跳频序列的信道交会策略。在共同信道跳频序列SYN-ETCH和Quorum理论的基础上,提出了基于周期堆叠的PSCH构建方法,降低了平均信道交会时间并保障了交会稳定性。