“十四五”期间,我国提出了将超前布局6G科技和产业协同创新中心,覆盖医疗健康、智能工厂、探测感知等众多典型场景及应用。物联网即“万物互联的网络”,作为巨连接应用场景,势必和6G网络深度融合,成为未来6G的重点研发领域。海量的物联网设备是实现万物互联的基础,设备数量的指数式增长对实现用户的大规模接入提出了更大的挑战。在这个背景下,去蜂窝大规模多输入多输出（Cell Free Massive Multi-Input Multi-Output,CF-m MIMO）网络全区域均匀覆盖、服务用户数量更多的优点让它对实现大规模连接需求具有重大意义。然而,导频资源短缺是CF-m MIMO网络一直以来面临的问题。在CF-m MIMO网络中,用户数量很大,有限的导频资源无法满足用户需求,由此产生的导频污染等问题制约了频谱效率和传输容量的提高。在这种情况下,非正交多址（Non-Orthogonal Multiple Access,NOMA）技术被认为是一个很好的补充。NOMA有助于解决大连接时用户数量较多带来的控制信道开销过大的问题,它和CF-m MIMO的结合可以提高同时服务的用户数,保证大规模接入,从而有效提高频谱效率和能量效率。物联网的另一个挑战是有限的电池容量限制着设备的使用寿命。为了应对这一挑战,无线携能通信（Simultaneous Wireless Information and Power Transfer,SWIPT）在物联网中的应用受到广泛关注。利用SWIPT技术,在完成数据传输的同时,直接从基站、热点等无线信号源中吸收能量存储起来,既可延长物联网设备的使用寿命,又可以提高系统的能量效率,对实现可持续无线通信具有重要意义。值得注意的是,SWIPT技术远距离传输会带来很大的能量损耗,不利于能量的有效利用,而CF-m MIMO网络短距离传输的特点让SWIPT技术和CF-m MIMO网络十分契合。上述无线通信技术有助于解决物联网中大规模接入问题和电池能量有限问题,然而,大规模MIMO和无线能量传输技术无疑也带来了更高的系统能耗,而6G时代来临时海量的用户设备将使这一问题更加突出,研究能量效率优化问题已经是一个重要研究方向。基于以上内容,本文针对基于SWIPT和NOMA技术的CF-m MIMO网络展开了研究,提出了低复杂度的资源分配方案,来最大化能量效率。本文的研究对象是基于SWIPT和NOMA技术的CF-m MIMO网络。当前关于CF-m MIMO网络和SWIPT技术的协同研究中绝大多数仅仅包含了对下行链路的研究,忽略了设备吸收能量之后上行链路信号传输的过程,但是在很多物联网场景下,尤其是对于需要无线能量传输来维持正常运行的小型化设备,如传感器网络中的设备,利用吸收的能量在上行链路中传输感知信息具有重要实际意义。同时,根据已有的文献,在应用NOMA技术时,很少有研究考虑到了基于SWIPT技术的CF-m MIMO网络中用户设备大都具有小型化、计算能力有限的特征,将计算复杂度高的串行干扰消除（Successive Interference Cancellation,SIC）技术应用在了用户端。这些都不符合CF-m MIMO网络实际的应用场景。因此,如何充分地结合实际应用场景,提出更符合实际的研究模型,是本文需要考虑的问题之一。针对这个问题,在研究CF-m MIMO网络的过程中,本文不仅考虑了AP到用户的射频传输,用户吸收能量、接受信息的过程,还考虑了用户利用吸收的能量进行上行链路信号传递的过程。同时,本文在将NOMA技术应用在CF-m MIMO网络中时,将SIC技术只应用在了计算能力较高的AP端,用户端由于其较低的计算能力和下行链路信息传递需求,没有应用SIC。还需要注意的是,在对CF-m MIMO网络的研究中,针对网络中AP和用户的巨大数量给性能优化算法带来的高复杂度和不可扩展性,已有的研究大都选择牺牲算法的性能,从而达到低复杂度和可扩展性的目的,根据已有的文献,几乎没有论文研究了在优化能量效率时,根据实际网络关于复杂度和性能的不同侧重需求,提供灵活的方案选择,这不利于CF-m MIMO网络的广泛推广,因此,为网络提供不同复杂度和性能方案,以供在不同需求时进行挑选使用,也是本文需要考虑的问题之一。针对该问题,本文根据算法复杂度和涉及的优化变量个数高度相关的特点,从AP、用户和网络整体的角度,提出了不同的资源分配算法,研究对比了它们的复杂度和性能。本文首先分析了信号在基于SWIPT和NOMA技术的CF-m MIMO网络中的传输过程,给出了更加符合现实场景的网络模型。在此基础上,推导得到了下行链路用户的信干噪比（Signal to Interference Plus Noise Ratio,SINR）、上行链路用户的吞吐量、网络的总消耗功率以及系统能量效率的闭合表达式,在推导过程中,本文考虑了导频污染和不充分的SIC带来的影响,得到的推导公式能够精确量化功率控制系数和时间分配因子等变量对网络能量效率的影响,从而有助于之后高效的能量效率优化方案的提出。针对能量效率最大化问题,本文首先从AP的角度出发,通过联合优化AP发射功率控制系数和上下行链路时间分配系数,提出了在满足用户下行链路最低SINR和用户上行链路最低吞吐量限制的资源分配方案。考虑到提出的该能量效率优化问题是一个非凸问题,并且涉及到的优化变量数目很大,本文首先利用连续凸逼近（Successive Convex Approximation,SCA）方法将该非凸问题转化为凸问题,接着利用拉格朗日对偶法进行求解。该方案提出后,为了寻找它的初始可行点,本文又建立了可行点寻找问题,对问题进行了求解。本文通过理论推导证明了该方案的收敛性,仿真结果证实了通过本文提出的资源分配方案,在能够达到下行链路SINR和上行链路吞吐量限制的同时,最大化网络的能量效率,和传统的内点法相比,该方案能够以低得多的复杂度实现相近的优化性能。在对上述问题进行研究的基础上,本文进一步从用户的角度和网络整体的角度研究了能量效率的最大化问题,与上述研究不同的是,从用户角度出发,所提出的能量效率优化问题只涉及用户端的资源分配变量,这些变量的个数远低于AP端的资源分配变量个数。因此,本文从用户端的角度出发,是为了能够找到复杂度更低的能量效率优化方案,以满足现实中对算法复杂度承受更有限的场景,而从网络整体的角度出发,则是为了能够得到能量效率性能最好的优化方案,以满足现实中对能量效率更为苛刻的场景。具体来讲,从用户的角度出发,通过联合优化SWIPT中的功率分配因子和用户发送功率,本文提出了能量效率最大化问题。针对该问题,本文同样基于SCA方法和拉格朗日对偶法对问题进行了求解和可行点寻找。从网络整体的角度出发,本文联合优化了AP端和用户端的资源分配变量,具体包括了AP发射控制系数、上下行时间分配系数、功率分配因子和用户发射功率,提出了能量效率最大化问题,针对该优化变量个数最多的资源分配问题,本文使用了块坐标下降（Block Coordinated Decent,BCD）法将该优化问题拆分成了两个子优化问题,分别是上述提到的AP端和用户端建立的能量效率优化问题,因此,本文基于前面提出的两种优化方案,结合BCD方法,提出了从网络整体出发的资源分配方案。本文从理论上分别分析证明了从用户端和网络整体出发提出的两种资源分配方案的收敛性,给出了上述方案的复杂度分析,仿真证明了两种方案能够相比于传统的内点法,能够以较低的复杂度实现相近的优化性能。本文通过将所提的三种方案进行对比,从分析和仿真中得出结论,从网络整体出发得到的资源分配方案,其能量效率性能和复杂度都是最高的;从AP端出发得到的资源分配方案,其复杂度较低于从网络整体出发的方案,然而其能量效率性能也较低于它;从用户端出发得到的资源分配方案,其能量效率和复杂度都最低。总的来说,我们给出了三种复杂度和优化性能不同的资源分配方案,通过比较可以得出,复杂度越高,所对应的方案的优化性能就越好,三种方案能够满足不同的网络需求。