近年来,增强现实(Augmented Reality,AR)和虚拟现实(Virtual Reality,VR)等计算密集和时延敏感型应用不断涌现,对无线网络的容量和时延提出了更高要求的同时,给电池容量有限的用户设备带来了新的挑战。雾无线接入网络(Fog Radio Access Network,F-RAN)通过雾接入点的部署可为用户提供边缘计算服务,进行计算任务卸载,减少时延和降低用户端能耗。为了提升引入计算卸载后的网络性能,F-RAN中用于任务卸载的计算卸载节点选择和任务上传时的无线资源调配优化至关重要,但相关优化问题求解复杂度高,一直是业界研究的热点难点。鉴于此,本文基于匹配理论的思想,针对F-RAN多用户、多雾节点场景中的计算卸载性能进行优化,设计了高性能低复杂度的资源调配方法。本文的主要研究工作及贡献具体如下:1.针对多用户、多雾节点下的计算卸载节点选择求解复杂度高的难题,本文提出了基于匹配理论的以最小化系统总能耗为目标的低复杂度方法。考虑到单个雾节点的计算能力限制,构建了计算卸载节点选择及计算任务转发的联合优化问题。通过解耦合,设计了基于贪婪的任务转发策略,用于快速确定在雾节点处执行的计算任务集合;将计算卸载节点选择问题转化为具有外部性的匹配问题,设计了基于交换匹配的计算卸载节点选择优化算法。该算法经过迭代最终收敛到稳定的匹配,且单次迭代复杂度与用户和基站数均为线性关系,仿真结果表明所提方法能够接近理论最优,但复杂度显著降低。2.针对计算卸载节点选择和无线资源调配紧耦合且联合优化问题非凸的难题,本文提出了基于匹配理论的计算卸载时延优化方法,通过在F-RAN中引入非正交多址接入技术降低整体网络时延,继而构建了多用户计算卸载节点选择、子信道分配、上行传输功率控制及雾节点处计算资源分配的联合优化问题。在给定计算卸载节点和子信道条件下,原非凸优化问题可解耦为上行功率控制子问题和计算资源分配子问题,可分别采用迭代的功率分配算法和均值不等式法进行求解。基于此,提出了基于交换匹配的两层迭代算法,其中外层基于定义的交换匹配次序对各用户接入的计算卸载节点和子信道进行调整,仿真结果验证了所提方法的性能增益。上述工作为F-RAN支撑AR/VR等提供了理论支撑,也为F-RAN的资源调配理论研究提供了新的思路和方法。