近年来，作为信息社会的基础架构，物联网技术已经引起了学术界与工业界的广泛关注，承载着信息社会的大量上层应用（如智能电网、智能家居、智能物流、智慧城市等）。然而，物联网的发展受网络通信、存储、计算等资源有限性的严重制约，难以得到真正的普及应用，亟待对这些资源进行合理利用。　　本文的研究工作主要围绕物联网中资源的优化与利用问题，分别从通信资源优化、存储资源优化，以及被忽略资源的开发三个方面进行研究。　　首先，随着智能移动设备的快速普及和数据密集型移动应用的日益激增，移动数据流量近年来呈井喷式增长，给物联网通信带来了巨大压力。然而,作为物联网中的通信主干网络，蜂窝网以集中式开展业务，蜂窝基站覆盖区域内的通信资源成为大量数据通信流量的瓶颈。第2章中，本文提出了一种基于设备到设备（Device-to-Device,简称D2D）通信的完全资源复用策略，打破了传统的带内复用模式在D2D通信干扰控制和资源分配方法中的局限性——一个子信道只能完全由一个蜂窝链路或一个D2D通信链路占用，或被一对蜂窝链路与D2D通信链路共享——实现了物联网中蜂窝基站覆盖区域内更高效的通信频谱资源利用。　　其次，数据存储和检索是物联网的基本功能。基于集中式的网络数据存储方法，汇聚节点（Sink）的附近节点往往成为网络瓶颈，严重影响网络性能发挥。分布式数据存储方案，如基于位置的散列表（Geographical Hash Table，简称GHT）算法，具备负载均衡的优点，因而受到研究学者们的广泛关注。GHT算法依赖于网络边界框(Bounding Box)的准确估计，但在位置信息未知时，现有方法难以准确计算出不规则网络的边界框，导致基于GHT的数据存储算法无法保证数据存储的均衡性。第3章中，本文提出了基于网络骨架提取的分布式存储资源优化算法。不依赖于节点位置信息，仅仅利用网络节点间的连接性，设计了一种稳健的骨架提取算法，并利用骨架计算出任意形状的网络边界框。实验表明，基于骨架的数据存储方法具有可扩展性好，不受网络形状约束和负载均衡等优点。　　最后，物联网中的设备通常指智能设备，而忽略了非智能设备（如水龙头、电吹风等）在物联网中的重要作用，因为它们没有通信与存储的能力，工作时产生的声音也常常被视为一种噪音。事实上，对物联网中资源的充分利用不仅依赖于优化已有资源（如频谱和存储），更需要深度开发被忽略的资源（如设备的工作声音）。第4章中，本文首次研究了室内非智能设备的定位问题。通过实验表明了利用基于多普勒效应的定位方法，不适用于行人在室内行走时缓慢移动的场景，因此，提出了一种全新的基于非调制声音的室内定位系统，利用智能设备（如智能手机、平板电脑等）感知到非智能设备的工作声音，通过对声音频谱进行分析，设计了一种定位算法计算非智能设备的位置。大量实验表明该系统可以实现亚米级的定位精度。