随着宽带无线业务的高速增长，无线频谱资源日益紧缺。认知无线网络为解决无线频谱资源的供需矛盾提供了一条新的解决途径。在认知无线网络中，认知用户可以在不影响主用户通信的前提下，使用主用户的频谱资源。由于主用户的出现与否是动态变化的，导致可用频谱资源具有时变性。因此，对动态的频谱资源进行有效管理是提高频谱资源利用率的关键技术之一。无线资源管理围绕频谱的有效利用展开，主要包括：频谱分析、频谱决策、频谱分配、功率控制、频谱移动性、资源分配等。认知无线网络中由于频谱的“二次利用”，使得无线资源管理问题参数众多，经数学建模后多为非凸优化问题。已有的研究表明，传统的数学优化方法难以对此类问题进行有效求解，智能优化算法是求解此类问题的有效算法。人工免疫系统是模仿自然免疫系统功能的一种智能算法，提供了解决工程问题的新理论与新方法。克隆选择算法是人工免疫系统的主要算法之一，已经在数据处理、资源调度等工程领域得到了广泛应用，显示出了较强的优化能力。本文的研究正是基于此展开，主要采用克隆选择算法求解认知无线网络的无线资源管理问题，为人工免疫算法在工程领域的应用进行有益探索。本文对认知无线网络中的频谱分配、频谱决策、OFDM系统资源分配等无线资源管理问题进行了研究，所取得的主要研究成果为：1.对认知无线网络中的频谱分配问题进行了研究。频谱分配主要研究如何对可用频谱资源进行分配，从而最大限度地利用频谱资源，提高频谱使用效率。本文首先结合WRAN（无线区域网）,给出了频谱感知过程；通过分析认知无线网络的物理连接，给出了频谱分配的图着色数学模型，并将此模型转换为以网络效益最大化为目标的带约束优化问题，进而提出一种基于免疫克隆选择优化的认知无线网络频谱分配算法,并证明了该算法以概率1收敛。数值仿真实验结果表明，本算法可以得到较高的网络效益。基于WRAN的系统级仿真结果，进一步证明了算法的有效性。此外，实际应用中，如果不考虑认知用户对频谱使用的需求，有可能造成频谱需求较少的认知用户反而分配到了较多的频谱资源，导致频谱的利用率降低。基于此，本文提出了考虑认知用户需求和分配公平性的频谱分配的新模型,并设计了一种采用混沌量子克隆优化的求解算法，证明了算法以概率1收敛。算法充分利用了混沌搜索的遍历性和量子计算的高效性。仿真实验结果表明，本算法提高了搜索效率，具有更高的网络收益。2.对认知无线网络中基于认知引擎的频谱决策进行了研究。频谱决策的目标是在分析已得到的各种可用特征参数的基础上，根据当前用户的传输需求，从中优化选择合适的工作频谱。本文通过分析认知无线网络引擎决策，将其建模为一个多目标优化问题，即最小化传输功率、最小化误码率、最大化吞吐量。根据不同认知用户的通信需求，采用加权法转化为单目标问题进行求解，进而提出一种基于量子免疫克隆的优化算法，并证明了该算法以概率1收敛。算法采用量子编码，利用Logistic映射初始化抗体种群,设计了一种基于混沌扰动的量子变异方案。多载波环境下的仿真实验结果表明，在四种不同的权值目标下，算法可以得到较高的目标函数值，并且收敛速度较快，参数调整结果与优化目标偏好一致，并兼顾其它目标函数值，适合实时性要求较高的认知引擎决策。此外，由于认知无线网络的引擎决策是多目标优化问题，如果采用加权求解，实际上是将多目标问题转换为单目标问题进行求解。考虑到难以确定合适的权值，并且加权法处理多目标优化问题时，每次只能得到一种权值下的最优解并且容易漏掉一些最优解，进而提出一种基于免疫多目标优化的认知引擎参数选择和决策方法，求出算法的Pateto最优解集，提高优化效果。在多载波环境下，模拟不同的无线信道条件，对算法进行了仿真实验。结果表明，本算法可以得到分布范围更广且均匀的Pateto解集，有利于得到符合认知用户决策需求的最优解。算法可以根据信道条件和用户需求的变化，自适应的调整子载波的发射功率和调制方式，给出理想的参数配置，实现认知引擎决策优化。3.对认知无线网络中基于OFDM的资源分配进行了研究。认知OFDM资源分配是提高频谱资源利用率的关键技术之一。基于免疫优化算法，设计了适用于固定业务的余量自适应（MA）准则下的子载波分配算法，仿真实验表明，算法减少了系统所需的发射功率。此外，设计了适用于可变数据业务的速率自适应(RA)准则下的功率分配算法，仿真实验表明，算法可以获得更大的系统吞吐量。此外，考虑到认知用户对资源需求的公平性，预先设定所需的服务级别，设计了RA准则下的两阶段比例公平资源分配算法。首先将子载波分配给用户，然后基于免疫优化算法，分配功率给不同的子载波，确保资源分配的公平性。此外，算法充分考虑了主用户可容忍的干扰约束。仿真实验结果表明，在总发射功率、误码率及主用户可接受的干扰约束下，算法可以获得与最优资源分配方法接近的系统吞吐量，同时兼顾了次用户对数据分配的公平性需求，在最大化系统吞吐量和次用户需求的公平性之间取得较好均衡。