认知无线电被广泛认为是未来无线通信的最有前景的技术之一,旨在实现频谱资源的高效利用。认知无线系统两个重要的组成部分是智能管理系统和重配置无线电。认知无线电系统利用其认知能力来感知无线电环境,并重新配置系统的操作参数和无线接入协议等以满足系统性能需求。与其密切相关的关键技术包括认知决策引擎和频谱分配技术,这两种技术也关系到整个认知无线电系统的性能和频谱利用情况,是认知无线电技术从理论研究阶段进入到产业领域急需突破的难题。认知无线电中的决策引擎和频谱分配技术可以看作为是离散组合优化问题,可采用群智能等智能优化算法进行求解,但如何设计新的算法解决现有认知无线电关键技术所遇到的难题,是一个很有价值的研究方向。本论文的研究重点包括量子群智能算法的设计,以及其在认知决策引擎和频谱分配中的应用研究。本论文的主要内容可以总结为以下几个方面:(1)为了提高认知决策引擎参数调整性能,建立了恰当的数学模型,并设计了三种量子群智能算法来完成认知决策引擎的设计。其中提出的基于膜量子蜂群算法的认知决策引擎能突破现有研究的应用局限具有良好的收敛性能;其次提出的基于混合膜量子雁群算法的认知决策引擎采用混合编码,能够克服现有研究对发射功率采用离散编码存在量化误差的缺点,能获得精度较高的系统参数;最后提出的基于多目标量子蚁群算法的多目标决策引擎通过建立多目标优化模型,在算法设计中引入非支配解排序以及拥挤度计算过程,最后可以得到Pareto前端解,解决了现有研究采用简单加权方式将此多目标优化问题转化为单目标优化问题而不能兼顾多个通信性能指标要求的缺点,所提方法收敛性能较好,且满足实时性要求。(2)针对现有研究将认知无线电频谱分配问题当作单目标优化问题来处理,不能使最大和网络效益和公平性同时达到最优,因此,本论文首先建立多目标频谱分配的数学模型,然后依据多目标算法演进的基本原理,设计了基于非支配解排序的膜量子蜂群算法,并研究使用其如何解决多目标频谱分配这个理论难题。所提方法能同时考虑最大和网络效益和用户间公平性,通过非支配解排序和拥挤度计算获得了Pareto前端解集,进而认知无线电系统可以根据具体的用户需求选择权重,得到合理的满足系统要求的频谱分配方案,且此方法也能求解单目标频谱分配优化问题(3)最后给出了绿色认知无线电参数调整问题的数学模型,它是在认知决策引擎技术的基础上进行更加环保的约束条件演变而来的。然后根据量子计算和细菌觅食原理,设计了一种能够求解连续优化问题和离散优化问题的量子细菌觅食算法,同时也给出了收敛性分析,并利用基准函数对所提算法性能进行测试和分析,验证了所提量子细菌觅食算法的优越性。将量子细菌觅食算法用于绿色认知无线电参数调整问题中,仿真结果表明,与现有研究相比,所提出的方法能获得较高的目标函数值,即能够自适应的调整认知无线电系统参数,满足目标用户的服务质量(QoS)要求,安全可靠的实现低功耗通信。