中文摘要：

随着信息网络向泛在、协同的趋势发展，异构网络之间融合、网络功能与协议栈的智能化成为亟待解决的关键问题。基于mesh架构的异构无线mesh网络（HWMN）技术被认为是解决未来无线网络泛在与协同问题的重要途径，路由则是其中核心问题。同时，认知技术（认知无线电、认知网络）被认为是未来实现网络智能化的关键。目前为止，以认知技术为基础的认知路由技术，主要在认知无线mesh网络（CWMN）中研究，主要针对非授权频段进行，而在HWMN环境中的研究几乎还未开展。以泛在为目标的HWMN技术研究，必须考虑认知无线电技术的应用，而认知路由技术也必须考虑无线网络和协议的异构性。本课题开展HWMN中认知路由技术的研究，从容量分析出发，研究面向负载均衡、QoS保障的路由策略，结合接入控制、功率控制等研究路由机制，采用跨网络优化方法，结合物理层/MAC层/网络层等多域认知方法，建立跨域、跨层、跨节点的广义认知路由理论。

结论摘要：

随着无线接入技术的高速发展，使用不同接入技术、具有不同覆盖范围、性质迥异的网络共同组成了如今复杂多变的无线通信环境，“异构性”已经成为下一代移动通信系统最重要的特征之一。无线Mesh网络作为一种新型的无线宽带接入技术，被认为是解决无线接入“最后一公里”瓶颈问题的新方案，它不仅能扩大通信范围，还能实现网络的灵活组网、增强网络的鲁棒性。然而，由于频谱资源的匮乏，在一定程度上限制了整个无线Mesh网络的容量。认知无线电技术的提出可以解决无线Mesh网络中有限的频谱资源问题。认知无线Mesh网络就是将无线Mesh网络与认知无线电技术相结合的新型网络。 项目组对认知无线Mesh网络的网络容量分析进行了深入的研究。首先对基于栅格结构的认知无线Mesh网络模型进行容量分析，推导出其骨干网和子网的容量闭式解，在此基础上，项目组对基于规则拓扑的认知无线Mesh网络模型进行容量分析，提出了网络容量的闭式解。项目组在功率控制的基础上，对信道分配、功率控制与路由选择的联合优化问题进行建模，然后利用遗传退火算法求解该问题，从而提出了一种联合功率控制、信道分配的路由算法JPCRA，该算法能够完成寻路、信道选择和功率选择，实现公平性的优化。作为异构认知网络路由的基础，项目组研究了异构认知网络路由中的网络选择与频谱分配问题，提出了基于模糊神经网络面向节能的异构网络选择方案以及应用种群多样性二进制蛙跳算法实现机会频谱分配的算法，进而提出了无线Mesh网络中多射频多信道的机会路由机制。该机制根据多射频多信道的特性，分析了在信道分配约束的条件下，机会路由的转发传输问题，然后推导出多射频多信道机会路由协议的端到端最优信道分配投递率（End-to-End Optimal Channel Assignment Delivery Probability，EEOCADP）的信道分配算法。并根据相关约束条件将端到端投递率的最大值问题转化为寻找实现最大端到端投递率的最佳信道分配方案。