摘要：认知学习是认知无线网络（cRN）跨层设计中非常重要的一环，它要求通信网络能利用已知跨层环境参数进行知识提取学习，并根据需要重配置网络．本文提出了一种基于粗糙集的CRN跨层学习技术，构建了案例事件库、知识库与规则匹配器，该模型结合数据离散、属性约简、值约简与规则生成算法来解决CRN的跨层学习问题．通过典型测试数据集的仿真比较，选出一组适合于所提出模型的粗糙集算法集合．仿真结果表明，该算法集能有效解决CRN跨层学习中知识提取与规则生成的准确性及有效性等问题，提出的跨层学习模型能有效用于CRN中的知识学习．

关键词：认知网络 规则生成 学习引擎 跨层设计 

单位：西南科技大学信息工程学院; 四川绵阳621010; 西安电子科技大学综合业务网理论及关键技术国家重点实验室; 陕西西安710071