物联网(Internet of Things,IoT)的最终目标是创建一个互联互通的网络,实现人与物之间随时、随地、以任何通信方式互相交换信息并相互协作,从而支持智慧城市、智能电网、智能交通等新应用。其中,机器对机器(Machine to Machine,M2M)通信是成功完成物联网愿景的重要技术,可以使设备在没有任何人为干预的情况下彼此自主通信,因此对M2M不同服务下流量需求日益增加。但是海量部署M2M设备仍会面临许多挑战,诸如设备电池容量受限以及频谱资源匮乏等问题。目前,基于能量收集的认知M2M通信(Energy Harvesting-based Cognitive M2M,EH-CM2M)可以通过M2M发射机(M2M Transmitters,M2M-TXs)向周围无线射频信号收集能量并以机会主义方式复用蜂窝用户(Cellular Users,CUs)的资源块(Resource Blocks,RBs)有效解决以上难题。然而,复杂的干扰环境和严格的服务质量(Quality of Service,QoS)要求对资源分配优化提出了新的挑战。因此,设计一个合理高效的资源分配优化方案,实现EH-CM2M网络中M2M-TXs能效最大化十分必要。本文考虑了 EH-CM2M通信网络中M2M-TXs的能效最大化问题,通过联合优化功率控制、时间分配、信道选择及对等节点发现,提出一个两阶段的三维匹配算法。在第一阶段,M2M-TXs、M2M 接收机(M2M Receivers,M2M-RXs)及 RBs暂时匹配,然后通过交替优化算法、非线性分式规划算法及线性规划算法求解功率控制和时间分配子优化问题,建立了 M2M-TXs的喜好列表。在第二阶段,根据第一阶段所获得的喜好列表,通过基于竞价的匹配算法求解信道选择和对等节点发现子优化问题。最后,仿真表明和其他两种启发式算法相比,所提算法的能效性能可以得到显著提升。