当今,随着网络复杂性的日益增长,通信网络面临着越来越多如何有效保障网络服务质量(Quality of Service, QoS)的挑战。为此,人们提出了认知网络(Cognitive Network, CN)作为该问题的解决方案。它是一种新型的数据网络,通过集合多种网络研究领域的技术研究成果(如机器学习、知识表示和网络管理等),改进网络行为表现,以达到保障端到端QoS的目标。认知网络通过感知当前网络条件,依据这些条件作出规划、决策和采取动作。知识平面(Knowledge Plane, KP)作为认知网络的一个重要组成部分,它贯穿了整个OSI网络模型,因此可同时获取到本地与全网的知识信息。知识平面在认知网络中普遍存在,它维护并建立高等级的网络模型,指导网络进行自我调整,为各网络实体提供服务保障并提高性能表现。本论文根据未来网络的需求与设计目标,对认知网络当前的研究现状进行总结,设计了一种具有QoS保障的可扩展知识平面框架,它能通过知识学习来制定适当的网络控制策略,辅助网络实体进行自我调整,达到保障端到端QoS的目标。论文首先总结了当前网络的现状与未来发展需求,分析了一种具有QoS保障的可扩展认知网络架构设计,明确知识平面在认知网络中的重要性与特征。其次,设计了网络知识的分级认知过程和一种具有QoS保障的可扩展知识平面框架,并针对网络流量状况的学习对该框架进行了应用实现。通过设计测试场景与实验数据分析,我们证实该框架功能符合最初的设计需求。最后,总结全文,描述了该框架设计存在的不足和进一步工作。