人工神经网络(Artificial Neural Networks)是对人脑的若干基本特性的抽象和模拟,它是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。近年来,人工神经网络广泛而深入地应用于通信中的各种优化问题并已经有了很多成功的实例。随着无线应用的发展,传统的OSI分层结构无法适应无线网络环境,人们提出了跨层设计,其主要内容就是通过在协议的各层之间传递特定的信息,使协议栈能够根据无线环境的变化来实现对资源的自适应优化配置,从而有效利用无线网络资源,提高系统性能。多用户OFDM技术将是下一代无线通信的关键技术之一。为了更好地利用OFDM系统的性能,需要对资源分配进行设计。通过对功率、带宽、调制方式等的资源控制可以得到比较好的性能。结合跨层设计的优点对多用户OFDM系统进行资源分配设计。通过对功率、带宽、调制方式等的资源控制可以得到比较好的性能。OFDM系统中存在着两种资源分配方案：MA和RA。本文采用Hopfield神经网络对这两种动态资源分配方案进行了优化。充分利用了Hopfield神经网络的并行处理、收敛快、易收敛到最优解的特点,(1)在系统性能一定和满足各个用户业务要求的条件下,对多用户OFDM通信系统进行MA优化、(2)在信号干扰噪声比限制、功率限制和时延限制条件下,对基于无线Mesh网络的多用户OFDMA系统,和(3)在比例公平、满足系统性能和用户要求的条件下对多用户OFDM-MISO系统进行跨层自适应资源RA优化。我们将bit加载矩阵拆成三个矩阵从而使该问题更容易的解决。并将解决的问题分为子载波分配和比特加载两步进行处理。实验结果表明,采用Hopfield神经网络对以上系统的自适应资源分配可以比传统的方法得到更好的性能。