认知无线网络以动态频谱接入为关键技术,是认知网络、Hoc Ad网络、Mesh网络等接入技术融合发展的结果,认知网络是实现异构网络融合、高效利用网络资源、满足用户端到端服务需求的最佳途径。其本质特质是通过环境观察、自适应学习、智能决策来优化自身行为,从历史数据中学习并将其应用于未来的决策。从而依据网络环境做出最佳配置。其本质属性认知能力是实现认知过程的基本前提,同时也是实现认知无线网络端到端通信目标的根本保障。而由于网络环境的多变性、网络结构的复杂性、节点的移动性等问题,导致认知能力在各个认知环节中都面临着不同程度的挑战,从以下几个方面开展工作。(1)在无线认知网络通信中,由于端到端的延迟,导致了传输延迟等参数约束参数难以准确估计的问题,本文将重传概率约束引入到无线认知网络的效用优化中。重传概率不需要复杂的计算和耗能的分析过程,只需简单的通过重传次数进行估计。然后,通过探讨重传概率与结点功率之间的关系,建立了网络效用与功率分配的MIN-MAX系统模型,最后通过引入正则博弈求取问题的近似最优解。(2)现有的认知无线网络的信道接入方法的网络选择参数单一、方法效率低,针对此问题,提出了一个基于改进Markov过程的无线网络接入选择方法。该方法从多参数决策的角度出发,建立接入网络选择的效用函数,将网络选择描述为有限个体下的群体博弈,揭示网络选择策略的演化过程。(3)针对认知能力的安全保障问题,提出了基于微分博弈的目标函数攻击防御策略。本文利用微分博弈描述认知网络中的攻击和防御,符合攻防系统之间为获得收益而互相博弈过程;该方法采用分布式处理原则,避免了集中监测及参数决策带来的高延迟问题,并通过威胁指数来限制结点采取策略的范围,防止结点为增益目标函数而带来其它形式的安全威胁。综上,本文的研究工作将从认知循环的基本过程出发,对认知无线网络的高误码率下的传输保障、异构网络的接入选择和认知能力保障三个个方面展开研究。