一个中央基站和大量散布在其周围的用户进行通信是下行无线通信系统的特征。在基站,资源分配的目标是把有限的资源(如总的发射功率和可用的频率带宽)在用户之间智能性地进行分配,以满足用户的服务需求。根据信道状态动态分配资源的方法能达到比资源静态分配更高的系统性能,而且随着对用户数据率不断增长,这种资源分配方法在当前和未来的无线通信系统中将起到至关重要的作用。由于可用于资源分配的维度增加,多天线下行系统中的自适应资源分配面临更多挑战,但同时也有可能提供更高的用户数据率。本论文旨在研究使用自适应资源分配的多天线多用户系统中的性能,如总的吞吐量,以及提出一些可以在实际系统中实时实现的低复杂度算法。论文首先考虑在发射端知道完整的信道状态信息(Channel State Information, CSI)的情况下,用于下行多用户MIMO(Multiple-Input Multiple-Output)系统的预编码,该预编码方案使用块对角化(Block Diagonalization, BD)和几何均值分解(Geometric Mean Decomposition, GMD)技术。本文的研究表明,作为一种可以实际实行的预编码技术,GMD-BD方案能达到绝大部分最优的脏纸编码(Dirty Paper Coding, DPC)能达到的和容量,同时,在中高信噪比的环境下,GMD-BD方案在误符号率性能方面是渐进最优的,并且不需要额外训练估计,用户接收端也不需要知道其它用户端的CSI。其次,论文考虑一种用于大用户系统的低复杂度GMD-BD预编码算法。由于GMD-BD方案要求用户间干扰为零,该方案能支持的同时通信的用户数是有限的。然而,当用户数较大时,通过穷尽搜索得到最优的用户子集所需要的计算复杂度太高,因此,论文提出了一种用于GMD-BD方案的次优的用户选择算法,其计算复杂度与用户数呈线性关系,并且能较好地趋近最优的和容量性能。再次,论文提出了一种用于有限反馈下行多用户MISO(Multiple-Input Single-Output)系统的低复杂度联合波束成形和调度算法。在该算法中,为了改进用户数较少时的性能,还提出了一种多波束选择方法。为了进一步提高系统的和数据率性能,在上述算法的基础上提出了一种增强算法,主要是采用一种更大的结构化码本。最后,本论文的提出一种自适应波束选择算法,用于改进正交随机波束成形(Orthonormal Random Beamforming, ORBF)方案的性能。本文不是使用所有产生的波束进行传输,而是根据反馈信息只选择那些使系统吞吐量最大的波束子集用于传输。按照不同的复杂度要求,本文提出和比较了几种波束选择算法。研究结果显示,和ORBF方案相比,本文提出的方法能明显提高系统和数据率性能。在多用户MIMO系统进行资源分配的一个共同的特征是有限的资源需要在多个用户间分配。由于MIMO已经和正在被多个标准采纳,本论文的研究有助于更好地理解多用户MIMO系统的性能,而本文所提出的低复杂度算法能很好地把理论和实际实现联系起来的。