随着通信业务的爆炸式增长,海量节点将会接入到物联网中,如何延长能量受限节点的运行周期将会成为大规模部署物联网亟待解决的问题之一。为了满足传输需求和降低能耗,将反向散射通信（Backscatter Communication,Back Com）技术与无线供电技术结合形成无线供电反向散射通信网络（Wireless-powered Back Com Networks,WPBCN）。WPBCN被认为是解决上述问题最有效的方案之一。本文针对不同的WPBCN通信场景下的资源优化算法进行了讨论,以此来提高网络的能量效率。主要工作如下:第一,研究了多标签WPBCN能效优化算法问题。在传输速率约束、能量收集（Energy Harvesting,EH）约束、反射系数约束、发射功率约束以及传输时间的约束下,提出了多变量耦合的非凸分式能效最大化问题。为求解上述非凸问题,利用Dinkelbach方法将原问题转化为等价的减式规划问题。然后,利用二次变换和变量替换法,将上述问题进一步转化为凸优化问题。最后,设计一种基于能效优化的WPBCN算法,以此求得闭式解。第二,研究了基于下垫式认知无线电的WPBCN鲁棒优化问题。在该多用户网络场景下,提出了一种结合收集-传输模式与Back Com的混合模式。考虑最小速率的中断概率约束、EH约束及主接收机的服务质量约束,通过联合优化传输时间、发射功率和发射系数,研究了认知WPBCN吞吐量最大的鲁棒优化问题。首先,将信道估计误差建模为高斯随机分布模型,建立了包含不确定性参数的多变量耦合非凸优化问题。其次,根据累积分布函数和高斯Q函数的性质,将中断概率约束转化为确定性约束。最后,提出一种基于不完美信道状态信息的鲁棒吞吐量最大化资源调度算法。第三,研究了基于公平性的认知反向散射能效优化算法问题。主接收机允许认知网络在对其产生的干扰不超过干扰门限的前提下,允许认知网络使用主网络的频谱。考虑认知用户的传输速率约束、EH约束及主接收机的干扰功率约束,通过联合优化反射系数和载波分配因子,建立了基于公平性的最大最小能效资源分配优化问题。为了便于求解,首先,采用Dinkelbach理论将原优化问题转化为等价的减式规划问题。然后,利用交替优化方法,将优化问题分解为反射系数子问题和载波分配因子子问题。最后,根据CVX工具箱可以求得次优解。