随着互联网和移动通信的发展,蜂窝通信网络承载的数据量呈指数增长的趋势,而传统蜂窝网络资源管理所具有的粗放性、静态性和局部性的特点已严重限制了蜂窝网络的性能,使其无法满足未来蜂窝系统的需求。针对这一问题,本文引入了基于软件定义的异构蜂窝网络架构。该架构具有传统蜂窝网络的优点,也克服了其缺点。为了应对未来蜂窝网络的技术挑战,本论文提出在软件定义的异构蜂窝网络架构中,利用全局网络视角和集中式控制逻辑,研究基于移动性预测的授权和非授权频谱以及功率资源分配的方案。本论文的研究成果,对于未来通信网络的研究具有指导意义。首先,本论文总结了传统移动蜂窝网络的发展现状和未来方向,并阐述了软件定义的异构蜂窝网络架构及其相关关键技术。然后,针对未来移动蜂窝网络用户位置随时间的推移不断变化,以及动态变化的网络参数对网络性能有一定的影响这一问题,本论文针对软件定义异构蜂窝网络中的集中式控制特点,利用多阶马尔可夫链和BP神经网络模型进行移动性预测,学习历史数据样本,预测用户的移动性。本论文引入用户移动熵的概念,分析多阶马尔可夫链性能,选择合适的马尔可夫链的阶数,并且,利用实际数据进行仿真实验,对比分析了多阶马尔可夫链和BP神经网络模型对用户移动性的预测性能。从移动性预测准确率和实现复杂度的角度来看,2阶马尔可夫链是移动性预测的较好选择。其次,本论文在用户移动性预测的基础上,研究了授权和非授权频段及功率资源的分配。本论文根据得到的用户移动位置和基站缓存状态对用户的传输状态进行打分,制定用户关联决策,尽量使接入用户的内容来自于基站的缓存。然后,对授权频段进行频分、非授权频段进行时分,通过授权频段和非授权频段的资源分配,提出用户平均吞吐量最大化问题,并通过功率控制使用户间干扰低于阈值。进一步,将多维优化问题分解成两个子问题进行求解,并采用ADMM算法。最后,本论文通过仿真验证了基于全局化视角的移动性预测的资源分配算法能够提高网络吞吐量,并且其性能优于不进行移动性预测的就近接入资源分配算法和进行移动性预测的随机资源分配算法。