无线网络标准的快速增多和网络应用的日益丰富极大的拓展了无线网络的应用领域,各种接入方式不断涌现,如WLAN、WiMAX、UMTS、Bluetooth等,它们与传统的蜂窝网络一起,组成统一而又复杂的异构无线网络环境。多种接入方式共存的组网方式虽然能够为用户有效地提供随时随地的无线网络接入服务但随着用户需求的多样化,相对固定的无线网络接入方式与用户对无线网络服务灵活多变的需求之间的矛盾日益凸显。在当前复杂的异构无线网络环境下,如何综合考虑网络特性、用户业务需求和终端状态这三方面因素,实现为用户选择稳定的最佳接入网络的目标,并保障网络资源的有效分配及网络整体性能,是当前亟待解决的问题。据此,本文以无线网络跨层感知为基础,针对复杂异构的认知网络环境,对其接入选择机制进行研究。在研究过程中,以认知计算理论为基础,同时引入了多尺度熵、模糊逻辑、博弈论、Lyapunov优化等多种理论,并结合现有研究成果,在跨层感知框架模型下,通过对用户业务特征的分析,为其提供有效、可靠的网络接入选择与跨层资源优化方法。该研究能够为认知无线网络技术的改进和完善提供参考。本文的主要研究内容和成果如下:针对网络环境的动态性与复杂性,构建一种基于MDE-K环的认知网络跨层感知框架模型,解决网络与环境的动态适配问题,使其具有整体性、层次性和适应性,以达到为用户提供高容量、高速率、可靠的端到端的服务,以及高效智能的网络管理目标。模型采用PEPA进行形式化表示,进而完成了模型的验证,实验结果表明,该模型具有良好的稳定性,能够提升跨层感知模型的效率。在此跨层模型的指导下,展开认知网络接入选择机制三个方法的研究。移动终端的时变性、通信业务多样性的特征使得终端业务特性难以直接分析,针对上述问题,提出一种基于多尺度熵的认知网络移动终端用户业务流规律分析方法,该方法由时空尺度业务流模型建立、K-近邻法业务流分类、多元回归分析预测等部分组成。该方法能够对移动终端业务流正确分类,并且能够实现网络流量的在线预测,为认知网络接入机制的信息获取提供相应的研究基础。设计一种基于模糊综合评判的接入选择方法,解决传统的接入选择方法单一的依靠链路层的链路容量、物理层的传输功率或某些其它的单一网络性能参数而不能满足未来网络需求的问题,并利用量子遗传算法优化接入网性能因素及主要参数的权值的评定问题。该方法能够更好的满足用户的需求,并能够保障网络的整体性能。对比传统的方法的性能参数,充分表明本文所提出算法的优越性;对比同类具有代表的接入选择算法,也具有一定优势。针对认知网络中用户数据到达、用户信道占用等随机性问题,提出了一种基于随机网络优化的分布式传输控制方法,能够确保传输能力优化的确切边界。采用博弈论的方法,依据认知用户需求的最大传输速率,在授权和非授权的信道之间做出选择。若选择非授权信道,则可以直接传输,若选择授权信道,则需要建立支持授权用户容忍碰撞的系统模型,根据授权用户传输数据类型的不同,允许其设定不同的干扰等级,有助于提高系统吞吐量;以及一种基于跨层的优化传输控制算法,用以提高认知网络系统的时间平均吞吐量为目标,从传输层的接纳速率控制入手,联合网络层的信道资源分配,利用随机网络优化理论设计一种速率控制和信道资源控制相结合的跨层方案,达到系统吞吐量的时间平均近似最优。