随着移动互联网和物联网应用数据业务及接入设备数量的爆炸式增长,移动通信网络的接入网和核心网都面临巨大的数据传输和服务压力,第五代移动通信(5G)网络已成为全球研发热点。5G网络将逐步演化成为一个异构互联的融合网络,其业务是包含了多种应用的人与人之间,人与物之间以及物与物之间的多种业务。移动互联网和物联网等技术的飞速发展更是对未来无线网络的接入能力提出了极高的要求。为了支持多样化的业务需求,保证不同场景下网络管理以及数据传输的效率,异构互联的融合网络下多种业务的有效承载将是未来研究的热点,而进行承载的第一步是进行有效的接入。因此在当前新兴的蜂窝物联网中针对智能化的无线接入问题进行研究正当其时。另一方面,现有机制无法适应移动互联网和物联网业务灵活的流量调度和高效的数据转发要求。其中机器与机器(Machine to Machine,M2M)通信业务作为巨连接应用场景下物联网最主要的存在形式,其接入过程得到了学术界和工业界的广泛关注。未来蜂窝网络中M2M终端用户的数量与密度将急剧上升,面对M2M通信的海量接入需求,单纯地依赖宏基站进行接入将造成网络拥塞和过载,从而导致M2M用户接入时延增大、分组数据包丢失甚至服务中断无法满足其通信需求。因此,如何大幅提升系统的接入能力成为迫切需要解决的问题。并且为了满足不同类型M2M业务的服务需求,则需要设计更合适的无线资源分配管理机制。由于接入控制和资源分配机制对海量连接场景下M2M业务终端用户的接入过程有着重要的作用,本文针对这一过程所遇到的拥塞过载以及资源块的分配问题进行研究,提出了有效的接入拥塞控制机制和合理的传输资源分配方案,主要成果概括如下:1)根据M2M通信的群组特性,通过分析现有关于M2M通信的相关研究以及设备间通信的协议与要求,提出了一种具有拥塞控制功能并且适用于机器类通信(Machine Type Communication,MTC)的设备间通信接入机制。首先MTC设备之间进行自主通信,建立通信连接并进行数据传输汇聚,然后再由汇聚了数据的设备发起后续的随机接入过程。该拥塞控制机制,能够有效降低MTC设备的接入碰撞次数以及接入时延,提高设备接入效率的同时缓解基站的接入拥塞。2)运用智能学习的方式对处于重叠覆盖范围内MTC设备接入基站的选择过程进行优化,以最小化MTC设备的平均接入时延为优化目标,在最大程度上降低设备的平均接入时延。首先,在处于多个基站覆盖范围内的MTC设备发起接入请求之前,设备将独立地进行观测、学习,通过学习得到可接入的基站信号强度以及负载量,并从中选择一个能够使其接入时延最低的基站进行接入。由仿真结果可知,基于Q学习的智能接入基站选择机制能够有效的降低MTC设备的接入时延和碰撞次数,并在一定程度上均衡了基站负载。3)提出了一种基于合作Q学习的高效资源分配方案,利用基站学习和交换信息得到的环境知识使用分布式协作的方式进行资源块分配,并运用蒙特卡罗规划的UCT算法来进行最优资源分配策略搜索。本资源分配方案能够在较短的学习时间内获得最优的资源分配策略,并能够按照不同业务的时延要求随时终止学习过程,相比传统的资源分配方案能够有效的提升系统吞吐量,保证了MTC设备的服务质量。本文通过分析M2M通信的特点,设计了基于设备间通信的拥塞控制机制以及智能化的接入点选择和资源分配方案,有效的解决了M2M通信的接入网拥塞以及资源分配问题,为蜂窝物联网的无线接入问题提供了新的思路及方法。