认知无线电技术是一项能够实现频谱共享、大幅提高频谱利用率的智能无线通信技术,它打破了传统的由政府授权静态使用无线电频谱的方式,实现了动态频谱接入。动态频谱接入需要解决一系列难题,本文深入研究认知无线电的目标信道选择、频谱切换和认知决策引擎。在目标信道选择机制方面,提出了三种基于切换时延和有效信道容量联合优化的目标信道选择算法。首先介绍了多目标优化相关理论;然后深入研究了三种多目标优化算法,分别是多目标粒子群优化算法、非支配排序遗传算法和基于Pareto包络选择算法,改进了编码方式、离散位置更新公式和交叉变异策略;最后根据频谱切换中目标信道访问场景详细推导了切换失败概率、有效信道容量和累积切换时延公式,应用上述三种多目标优化算法得到三种多目标优化的目标信道选择算法。仿真结果表明,三种算法都能兼顾网络的实时性和高吞吐率,多目标粒子群优化算法具有最好的切换性能和最高的复杂度,基于Pareto包络选择算法具有最低的复杂度和最差的切换性能,非支配排序遗传算法介于二者之间。在多对认知无线电用户频谱切换方面,提出了二种频谱切换算法。首先提出了一种基于节点分级局部控制频谱切换算法(HLC)。网络节点被分为高级节点和普通节点,所设计的频谱切换算法包括频谱感知、邻居发现、节点分级、投票组网和切换重构等规则。但是这种算法存在高级节点数多导致切换时间长的缺点,因此提出了一种改进的节点分级的局部控制频谱切换算法(IHLC),该算法改进了节点分级、投票组网和切换重构等方式,参考一跳和二跳以内邻居节点信息,并引入次高级节点。仿真结果表明,二种算法均能实现多对认知无线电用户切换,并且IHLC算法在保证较小网络中断率的情况下具有更少的高级节点数量和更低的切换时延。在认知决策引擎方面,提出了八种认知决策引擎算法。首先提出了二种改进粒子群算法,分别是IPSO算法和APSO算法。在IPSO算法中,改进粒子群算法的学习因子、并加入扰动项,选用更合适的变换函数;在APSO算法中,对粒子群算法引入自适应惯性权重机制。接着提出两种改进的差分进化算法,分别是IDE算法和IBLDE算法。在IDE中,改进差分进化算法(DE)的固定交叉概率为自适应交叉概率。在IBLDE算法中,对学习差分进化算法引入自适应变异机制。其次提出两种优化结构:串行优化和并行优化,对以上算法两两组合得到八种改进智能优化算法。然后将八种算法应用于物理层认知决策引擎模型中,探究八种算法的参数重配置性能。最后将八种算法应用于跨层认知决策引擎模型中,探究八种算法在跨层优化时的参数配置能力。