伴随着移动通信网络以及物联网的快速发展,需要引入新的系统架构和先进的信号处理技术。一种基于云计算的网络架构,云无线接入网络(C-RAN,Cloud Radio Access Network),将计算资源整合到中心基带单元(BBU,Baseband Unit)池中实现传统基站的基带处理功能,而射频功能保留在远端射频头(RRH,Remote Radio Head)中。RRH部署在距离用户较近的地方,降低了发射功率,提升了频谱效率和能量效率。此外,在C-RAN中虚拟化技术可以提升硬件使用效率,且中心化处理可以获得协作增益。由于人们的需求呈现多样性,网络性能指标也呈现多样性,除了高速率,低时延、低功耗等也成为了人们关注的关键指标。本论文研究如何分配功率、时间、频谱、空间等多种形式的资源,从而实现网络性能优化目标,例如最大化网络和速率、最小化网络功率消耗,最小化网络时延等。首先,针对由一个宏小区基站和多个微小区RRH构成的两层异构C-RAN,研究了时频资源分配对系统和速率的影响。宏小区基站采用大规模MIMO技术服务宏小区用户,无线Fronthaul链路与接入网共享频谱资源。提出反向时分复用传输协议降低跨层干扰的影响,进一步提出干扰消除方案:基站下行传输时采用正则迫零预编码结合投影技术避免干扰微小区RRH的上行传输,而基站上行传输时采用联合线性最小均方误差检测技术来消除跨层干扰。根据大维随机矩阵理论,推导出遍历上下行速率的近似表达式,并且利用这些近似结果来优化带宽和时隙分配实现系统和速率最大化。仿真结果表明这些确定性速率表达式是准确的,且提出的资源分配方法可以有效提高系统和速率。其次,为了研究容量受限的无线Fronthaul链路对系统和速率的影响,考虑了异构C-RAN中上行传输场景。该场景中由一个宏基站和多个RRH组成,共同服务用户,无线Fronthaul链路与接入网共享频谱资源。在Fronthaul链路容量受限情况下,提出了联合优化带宽资源动态分配与压缩转发策略设计来最大化上行遍历和速率。压缩转发策略包括点对点压缩方案和Wyner-Ziv编码方案。此外还考虑了不同解码方案对系统和速率的影响。由于该联合优化问题是一个混合时间尺度的问题,为了降低计算与通信开销,基于大维系统分析引入了原问题的近似问题,该近似问题只依赖统计信道信息。进一步提出了一个基于Dinkelback的算法和一个基于均匀压缩策略的算法分别找到该近似问题的最优解与次优解。仿真结果表明基于近似问题得到的带宽分配因子与压缩噪声矩阵近似最优,均匀压缩策略在带宽分配因子较小时性能接近最优压缩策略。接着,考虑了下行C-RAN中的功率消耗问题,该功率包括BBU池消耗的计算功率以及RRH和Fronthaul链路上消耗的传输功率。传输功率最小化问题是一个快时间尺度问题而计算功率最小化是一个慢时间尺度问题。因此,联合的网络功率最小化问题是一个混合时间尺度问题。为了解决时间尺度不一致问题,引入大维系统分析将原来的快时间尺度问题转化为慢时间尺度问题,该慢时间尺度问题只依赖统计信道信息。进一步提出了分支定界法和启发式组合算法来找到计算功率最小化问题的最优解和次优解,然后提出了迭代坐标下降算法求解传输功率最小化问题,以及提出一种基于分层分解的分布式算法来解决联合网络功率最小化问题。仿真结果表明随着时延约束变大,网络功率消耗随之降低,且基于压缩策略的传输方案的性能优于基于数据共享策略的传输方案。最后,研究了分簇C-RAN在总功率约束下如何优化任务调度,虚拟机分配,以及RRH分配来最小化任务执行时间以及数据传输时间。在分簇C-RAN中引入分层虚拟控制器,上层控制器负责协调本地控制器,每个本地控制器负责管理一个簇的RRH,且每个本地控制器配备一个服务器,创建虚拟机来执行用户的基带处理任务。接着证明了该联合问题的次模性(Submodularity),将其转化为一个拟阵(Matroid)约束下次模函数最大化问题,并且提出了启发式算法找到了与最优解误差在50%以内的近似解。此外,还提出了中心式和分布式两种控制方案:中心式控制方案中上层控制器负责所有决策,但是在分布式控制方案中,上层控制器根据图论只负责任务调度,而本地控制器负责各自簇中的虚拟机分配以及RRH分配。仿真结果表明,提出的联合分配算法性能优于虚拟机、RRH独立分配的算法。