Abstract Radio communication is used in increasingly diversified device typologies. Telecommunications with a reduced detrimental impact on health and environment, and an improved cost-efficiency and working lifetime are expected by institutions, end-users, operators and manufacturers. Moreover, with more networks present or more articulated systems, dependability of the entirety is to be ensured. The related need of efficiency in various compartments – such as in the use energy or the radio spectrum – and of effectiveness in adapting to changing operating conditions can be achieved with cognitive features. This dissertation addresses network reconfiguration and dependability by cognitive measures from multiple perspectives – each covered by a respective part of this work – providing guidelines for cognitive networks design. A rationalising view on cognitive networks with related taxonomies and models includes a discussion on the dynamics and interactions in networks operating closely and simultaneously (here, concurrent networks). While cognitive domains are specified for cognitive functions, with a more generic scope control functions are assigned to topological domains. This allows a flexible exploitation of the system design by decoupling the specification of system functions from their mapping onto network devices that will host them. As interaction plays an important role in many topical scenarios, a model for networked engineered cognitive entities comprising four categories (observation, interworking, consolidation, operation) and two levels (a cognitive frontier and a metacognitive hub) is presented here. Its cognitive phases are considered with regard to the other architectural elements. Moving the focus down to the levers for exploitation of context awareness, are presented solutions for efficient use of resources and dependability in general, considering the network dynamics. For communication link and network adaptation, the effective capacity is captured by a compact-form expression also considering imperfections, while learning is exploited for reducing overhead, and collaboration for fairly maximising energy save. / Tiivistelmä Käyttäjät, operaattorit ja laitevalmistajat toivovat tulevilta tietoliikennejärjestelmiltä sekä aiempaa pienempiä haitallisia vaikutuksia terveyteen ja ympäristöön että parannettua kustannustehokkuutta ja toiminta-aikaa. Lisäksi olisi varmistettava useiden verkkojen ja niiden muodostamien monimutkaisten järjestelmien kokonaisuuden luotettava toiminta. Tarvittava tehokkuus energian ja radioresurssien käytössä, samoin kuin kyky sopeutua muuttuviin käyttötilanteisiin, voidaan saavuttaa kognitiivisilla radioteknikoilla. Tämä väitöskirja käsittelee kognitiivisten menetelmien tuomaa radioverkkojen mukauttamista ja luotettavuutta eri näkökulmista. Samalla esitetään kognitiivisten verkkojen suunnittelun periaatteita ja lähtökohtia. Väitöskirja sisältää katsauksen kognitiivisiin radioverkkoihin niihin liittyvine luokitteluineen ja malleineen, sekä tarkastelee samanaikaisesti ja läheisesti toimivien verkkojen (rinnakkaisten verkkojen) dynamiikkaa ja vuorovaikutuksia. Työssä määritetään kognitiiviset lohkot kognitiivisine toimintoineen, kun taas topologiset tasot hallintatoimintoineen määritetään yleisemmin. Tämä mahdollistaa järjestelmäsuunnittelun joustavan hyödyntämisen erottamalla järjestelmän toimintojen määrittelyn toteuttavista verkkolaitteista. Koska vuorovaikutus on merkittävä tekijä useissa sovellusskenaarioissa, verkottuneille keinotekoisille kognitiivisille yksiköille ehdotetaan tässä neljä luokkaa (havainnointi, yhteistoiminta, vakauttaminen, toiminta) sekä kaksi vyöhykettä (kognitiivinen raja-alue ja metakognitiivinen keskus) sisältävää mallia. Mallin kognitiiviset vaiheet käsitellään suhteessa muihin arkkitehtuurin elementteihin. Järjestelmän kontekstitietoisuuden hyväksikäyttöön liittyen esitetään ratkaisuja resurssien tehokkaaseen käyttöön ja yleisemmin luotettavuuteen ottaen huomioon verkkojen dynamiikkaa. Yhteyksien ja verkkojen mukauttamisesta esitetään analyyttinen ratkaisu saavutettavan tehollisen kapasiteetin määrittämiseksi, huomioiden mahdolliset epäideaalisuudet. Kognitiivista oppimista hyödynnetään hallintalikenteen vähentämiseksi ja yhteistyötä energiansäästön maksimoimiseksi verkon alueella tasapuolisesti.