认知无线传感网络是一种新型的智能无线电通信网络。传感网络与认知无线电技术的结合解决了无线传感网络高速通信需求与无线频谱资源紧缺之间的矛盾，为无线通信领域提供了一个有效的解决方案。然而，认知无线电技术在给我们带来便利的同时也给我们增加了额外的挑战。在认知无线传感网络中，具有认知能力的传感节点对周围环境中空闲频谱资源进行检测，利用空闲频谱资源进行数据传输，这就使得无线传感网络中的链路容量随时发生改变。因此，如何提高时变网络环境中速率分配、有效的节约节点有限的能量，是认知无线传感网络中一个急需解决的难题。为了推广无线传感网络的应用范围，提高传感节点的数据处理速度、保证计算结果的准确度也是认知无线传感网络中一项重要的研究热点。本文在充分了解国内外对认知无线传感网络节能型跨层优化研究现状的基础上，联合传输层、网络层、MAC层、物理层，对无线传感网络的网络吞吐量与网络寿命之间跨层优化问题以及优化算法进行了深入的研究，主要的研究工作如下所示：1）针对日益紧张的无线频谱资源限制了无线传感网络发展潜力这一问题，本文引入了认知无线电技术，即无线传感网络与认知无线电技术的结合，不仅提高空闲授权频谱资源利用率，而且缓解了非授权频谱资源紧缺的问题。然而，网络面临着可用频谱资源的动态性导致了信道容量的时变性，同时还面临着传统无线传感网络能量受限的特点。为此，本文研究了可用频谱时变、节点能量受限情况下速率分配与网络寿命的联合效用优化问题，提出了基于可分布式执行的随机次梯度算法，并证明了算法收敛的条件。该算法在执行过程中只需当前时刻的频谱可用情况，无需授权频谱状态的概率分布。仿真结果表明了该算法的收敛性能，同时，认知无线电技术的引入与多径路由的选择可提高网络吞吐量与网络寿命的联合效用优化。2）在不对授权用户造成干扰的前提下，传感节点利用认知无线电感知到的空闲授权频谱资源传输数据，提高频谱资源利用率的同时提高网络吞吐量。由于授权用户的出现是随机的，从而使得传感节点传输的链路容量也随之发生变化。然而，实际应用对无线传感网络的实时性提出了较高的要求，即要求节点发送速率随着链路状态的改变而快速收敛至最优值。针对实际需求与对偶次梯度算法收敛速度慢、对次梯度步长选择比较敏感等缺点，本文利用主对偶缩放梯度算法来求解节能型跨层优化问题。在同等条件下，对传统对偶次梯度算法与主对偶缩放梯度算法进行了比较。仿真结果表明，主对偶缩放梯度算法在时变网络环境中能快速收敛到全局最优值，更新速度比对偶次梯度算法更新速度提高了三个数量级。