作为一种智能的频谱共享技术,认知无线电受到研究学者的广泛关注。它能利用具有感知功能的设备检测周围的无线环境,自适应的调整其系统参数,进而动态的接入空闲频谱,有效的提高了频谱的利用率,从而解决了无线频谱资源匮乏的问题。动态频谱接入和跨层优化技术,是认知无线电网络中的两种关键技术,前者主要研究认知用户应该在何时接入哪个信道的问题,后者主要关注TCP性能优化的问题。本文针对动态频谱接入中的信道接入决策进行了深入研究,旨在通过选择高效的接入机制来提高频谱效率,同时针对跨层优化进行了研究,意在通过联合优化底层参数来提高TCP的性能。本文首先介绍了认知无线电网络中频谱感知技术、动态频谱接入技术及跨层优化等关键技术,为下文的研究提供了理论基础。接着本文提出了基于隐马尔科夫模型(HMM)的动态频谱接入技术,利用HMM为无线信道建立模型并预测信道的下一状态,设定信道的真实状态为空闲和占用两种,利用无线设备监测到的信噪比的情况作为观察状态,将其输入到HMM模型中作为观察值序列,通过反复训练HMM模型直到其收敛,从而得到信道状态转移概率矩阵,随后将动态频谱接入过程建模为马尔科夫决策过程,确定最优策略使得期望报偿达到最大。仿真结果证明本文所提的基于HMM的动态频谱接入算法的性能要远远优于现有的随机接入策略。结合上文及现有的研究成果,为了提高认知无线电网络中端到端的传输性能,本文提出了一种基于马尔科夫决策过程的TCP跨层优化算法,通过联合优化信道接入决策、物理层调制编码方式及链路层帧尺寸等参数来提高TCP的吞吐量。仿真结果证明,本文所提算法与现有的非跨层算法相比,能够显著提高TCP的性能。