随着无线通信需求快速增长,频谱资源日趋紧张。美国联邦通信委员会的研究报告指出,已分配的频谱在特定的时间和空间存在不同程度的闲置。通过引入认知无线电技术,次用户(未授权用户)能够在不影响主用户(授权用户)的前提下,伺机接入这些闲置频谱,达到大幅提高频谱利用率的目的,缓解频谱资源匮乏的现状。因此,认知无线电技术成为当前无线通信技术研究的热点之一。认知无线电网络中,既要保证主用户的服务质量不受影响,又要维持次用户的基本通信。本文围绕这两点要求,以排队论为数学基础,建立呼叫层和分组层的相互关系模型,推导出呼叫层性能指标(包括主用户通信中断概率、主用户呼叫阻塞概率、次用户呼叫阻塞概率和频谱利用率)和分组层性能指标(包括次用户丢包率、分组时延和吞吐量)表达式,设计了最大化次用户吞吐量的算法。主要工作和贡献如下:1)建立了呼叫层和分组层相互关系的跨层马尔可夫(CLM,Cross Layer Markov)模型。据我们所知,迄今为止所有文献都是单独从呼叫层或者分组层分析认知无线电网络性能,没有考虑到两层之间的相互影响。本文以排队论为数学基础,提出联合考虑呼叫层和分组层的CLM模型,对两层之间的相互关系进行了量化研究。2)采用CLM模型分析了频谱感知理想的认知无线电网络性能。根据不同用户策略,提出了四种认知无线电网络模型,包括丢弃型、延时型、基于队列位置丢弃型以及基于固定概率丢弃型。分别建立这四种网络对应的CLM模型分析呼叫层和分组层的性能。实验表明,基于固定概率丢弃型认知无线电网络的整体性能最优。3)采用CLM模型分析了频谱感知不理想的认知无线电网络性能。认知无线电网络中,频谱感知错误由漏检概率和虚警概率来描述,通过建立频谱感知不理想的认知无线电网络的CLM模型,分析了漏检概率和虚警概率与网络性能指标之间的关系。实验表明,漏检对网络性能的影响比虚警大。4)基于上述建模与分析结果,设计了最大化次用户吞吐量的算法。为解决次用户性能在网络业务负载较重时急剧恶化这一问题,引入了信道预留机制。此外,设计了最大化次用户吞吐量的算法。这种算法在同时保证主用户和次用户服务质量的基础上,通过寻找预留信道个数与固定丢弃概率的最优解,最大化次用户吞吐量。