1、目前，網絡中承載的數據呈現了爆炸性增長，網絡中知識獲取的難度進一步加大，業(yè)務傳輸的服務質量（QoS）也難以保證。傳統(tǒng)網絡在信息獲取與數據融合上已經難以滿足用戶的需求，在這種背景下，認知網絡應運而生。認知網絡作為下一代網絡的研究熱點，能夠通過態(tài)勢感知獲取網絡信息，并根據網絡態(tài)勢實時動態(tài)的調整網絡配置，從而為網絡的QoS傳輸提供保障。目前，關于認知網絡QoS態(tài)勢融合的研究相對較少，對QoS態(tài)勢信息的表示方法也不多見。本文在分析現有知識表示與

2、數據融合處理機制的基礎上，重點開展了對認知網絡的知識表示與QoS態(tài)勢融合的研究。
　　首先，從知識表示的角度出發(fā)，對認知網絡QoS態(tài)勢領域的具體概念進行提取，提出了一種認知網絡QoS態(tài)勢本體構建模型。基于這個模型，采用protégé軟件對本體進行建模，通過三元組記錄網絡運行的實時數據，并結合本體模型一起存入本體知識庫中。同時，設計了本體查詢方法，并給出了查詢結果。通過對認知網絡QoS態(tài)勢進行本體構建，為后續(xù)的融合提供了理論基礎。<

3、br>　　其次，從局部融合的角度出發(fā)，提出了基于模糊推理的認知網絡局部QoS態(tài)勢融合算法。通過對認知網絡QoS態(tài)勢級別進行定義，并給出鏈路平均QoS參數隸屬函數，采用QoS態(tài)勢模糊推理規(guī)則，得出對各種QoS參數的融合結果。仿真表明，該算法能夠確定各種業(yè)務傳輸的QoS態(tài)勢級別，實現較好的融合效果。
　　最后，從全局融合的角度出發(fā)，提出了基于D-S證據理論的認知網絡全局QoS態(tài)勢融合算法。通過改進原始D-S證據理論模型，推導了一種能夠