为了满足无线通信业务迅猛增长的需求,未来通信系统需要具备更强的灵活性和鲁棒性,软件定义网络(Software Defined Networking,SDN)能够管理日益复杂的网络结构和提供多样化的服务,其中资源分配是优化网络资源和保证用户服务质量(Quality of Service,QoS)的关键技术。本学位论文着重研究软件定义无线网络(Software Defined Wireless Networks,SDWN)架构中的资源分配算法,主要包括SDWN中基于半定规划的高精度定位算法、软件定义无线传感网(Software Defined Wireless Sensor Networks,SDWSN)中最小化能耗的资源分配算法,软件定义蜂窝网(Software Defined Cellular Networks,SDCN)中基于能效最优的资源分配算法,以及移动自组织云网络(Ad Hoc Mobile Cloud,AHMC)中基于定价的资源分配算法等。论文的主要研究工作如下:1.针对SDWN场景中实现移动目标精确定位的问题,提出一种集中式的高精度定位算法。该算法中,移动终端采用基于OpenFlow流表转发的方式,将采集的测距信息和惯导信息上传至SDN控制器。在控制器端,将获得的测距误差和步长估计值分别建模为高斯混合随机变量,并通过最大似然估计确定移动终端的位置坐标。为了降低最大似然估计的算法复杂度,通过Jenson不等式和半定松弛,将原始NP难问题转化为凸优化问题。进而,提出一种非高斯噪声条件下基于半定规划的定位算法,从而获得凸问题的全局最优解,即原问题的次优解。仿真和实验结果表明,所提的算法较传统的滤波算法可以获得更高的定位精度,特别地,当状态空间模型中的系统噪声和观测噪声不再服从高斯分布时,所提算法可以通过混合模型对非高斯噪声进行近似,以提升定位性能,从而为SDWN中的上层服务奠定基础。2.针对SDWSN中降低传感器节点能量消耗的问题,提出一种最小化节点能耗的资源分配算法。该算法考虑传感器节点传输所需的最小信干噪比,以最小化传感器节点能耗为目标建立优化问题。其次,通过松弛将原非凸问题转换为凸优化问题进行求解,提出一种集中式的自适应带宽和功率分配的资源分配算法。随后,为了分析所提算法的性能,重点阐述了两个特例,即自适应带宽分配算法和自适应功率分配算法。为了获取和利用网络的全局信息,设计一种基于OpenFlow通信协议的集中式资源分配方案。作为对比,给出一种分布式自适应带宽和功率分配的资源分配方案。仿真结果表明,所提集中式算法可以更好地权衡功率和带宽的利用,同时,通过全局优化可以减少小区大小和节点异质性对网络整体性能的影响。3.针对SDCN架构下提高异构网络中接入用户能效的问题,提出一种基于能效最优的资源分配算法。该算法考虑QoS需求和干扰容限,建立最大化网络能效的优化问题。其次,为了降低求解原混合整数规划问题的算法复杂度,通过松弛将原问题转化为凸优化,提出一种集中式资源分配算法。为了分析所提算法性能,采用柯西不等式获得原优化目标的上下界,将原集中式优化问题转化为分布式的非合作博弈问题。进而,在满足最大最小公平准则的条件下,给出了一种分布式能效最优算法作为比较。仿真结果表明,相比较分布式算法而言,所提集中式算法能够提高Femtocell网络的能效,更加接近能效性能的上界,同时能够提升网络的吞吐量。4.针对AHMC中高效利用无线资源和云计算资源的问题,提出一种基于定价的资源分配的算法。首先,综合考虑通信与计算成本,以最大化移动用户或基站的个体效用为目标函数,构造买家-卖家博弈模型。用户和基站在SDN控制器的集中管理下进行定价协商,从而达到Stackelberg均衡点。并分别针对准静态和动态场景,采用统一定价和非统一定价策略,提出一种基于定价的资源分配算法。同时,在SDN的框架下,给出了基于OpenFlow协议的联合任务卸载和资源分配方案,即分别在用户侧和基站侧部署流表规则,以增强网络功能的灵活性。一方面,在定价协商和任务卸载的不同阶段,可以通过增删流表,满足不同用户不同类型数据的传输需求。另一方面,在动态场景中,基站或者用户可以通过更新流表规则,提高算法收敛速度,以快速达到均衡点。仿真结果表明:所提算法可以通过任务卸载,使得买家充分利用网络中的云计算资源,并通过非均匀定价的方式激励基站和其他用户为买家提供无线资源和计算资源。