随着无线通信技术的飞速发展,无线频谱资源变得越来越稀缺,我们需要一种更加灵活且高效的通信模式来利用有限的频谱资源。相比于传统的无线自组网,认知自组网没有固定的授权频谱,认知用户通过感知周围无线环境中主用户使用授权频谱的情况,机会式地利用空闲授权频谱进行通信,这被认为是提高频谱利用效率的关键技术。相比于单信道网络,多接口多信道网络能够更充分地利用网络中的信道资源,从而提升网络容量。考虑到空闲信道资源的动态变化特性,多接口多信道认知自组网中的信道分配算法设计面临新的挑战。本文主要对多信道多接口认知无线电自组织网络中的信道分配问题进行研究,并以优化两种不同的网络性能为目标,提出两种不同的信道分配算法。本文的具体研究内容和对应的成果如下:首先,本文详细介绍了多接口多信道认知自组网,研究该网络具有的特点,分析该网络中存在的问题,得出该网络中进行信道分配时应该注意的要点。基于对目前已有的信道分配算法的优缺点的分析,找到设计信道分配算法的突破口。针对多接口多信道认知自组网中时延最小化的需求,本文提出了一种基于认知无线电的时延最小化的信道分配算法(Delay-Minimized Channel Assignment based on Cognitive Radio,CR-DMCA)。在 CR-DMCA算法中,认知节点在不对主用户造成有害干扰的前提下,机会式地使用空闲信道资源,尽量避免主用户动态使用授权信道产生的影响,减小网络中节点间的跳数,使得网络时延性能最优。本文通过Matlab仿真实现CR-DMCA算法,从仿真结果可知,CR-DMCA算法可以明显地减小网络时延,与其他算法相比,CR-DMCA算法在平均网络时延上减小了 13%到27%。针对多接口多信道认知自组网中吞吐量最大化的需求,本文提出了一种基于认知无线电的吞吐量最大化的信道分配算法(Throughput-Maximized Channel Assignment based on Cognitive Radio,CR-TMCA)。在CR-TMCA算法中,认知节点在不干扰主用户、尽量避免主用户活动影响、保证网络连通性的基础上,减小节点间的干扰,尽量减小节点间的跳数,从而提升网络的吞吐量性能。本文通过Matlab仿真实现CR-DMCA算法,从仿真结果可知,CR-TMCA算法大幅度地增大了网络吞吐量,与其他算法相比,CR-TMCA算法在平均节点吞吐量性能上提升了 30%到102%。