与传统的宏蜂窝网络架构相比,嵌入毫微微基站的网络架构能够改善覆盖,增加系统容量。Macro-Femto网络面临的主要挑战包括：最大化系统吞吐量、最小化系统能耗、以及保证各种业务的QoS要求等。近年来,跨层设计由于能够改善系统性能,降低干扰,减少功率消耗等优点,受到了学术界越来越多的重视。跨层设计技术的优势以及Macro-Femto网络的发展趋势使得研究基于跨层设计的保障QoS的Macro-Femto网络的无线资源分配策略具有重要的现实意义。现有跨层设计技术的不足包括：没有考虑将TCP/IP五层联合设计,没有最大化系统性能的提升。用户流量模型不符合真实无线通信环境。真实流量模型为一个用户可以同时发起多种QoS不同的业务。针对MIMO-OFDM系统跨层设计的研究较少。针对Macro-Femto网络跨层设计的研究较少。不完美信道状态信息条件下的跨层设计技术的研究较少。针对上述不足,本文进行了研究,并得出了有益的结论。建立了下行链路跨层调度算法最优化数学模型,最优化的目标是最大化系统的效用,同时保证各种业务的QoS要求,此模型优化了TCP/IP五层信息交互和相应的处理机制。考虑的约束条件包括：(1)物理层的功率分配和资源块分配正交约束。(2)MAC层的调度机制。(3)网络层的路由策略。(4)传输层的可靠传输机制。(5)应用层的QoS要求。所建立的最优化模型是一个混合整数非线性规划问题,使用穷举搜索算法求解复杂度很高。与穷举搜索算法相比,分枝定界法能够降低复杂度。但是,在大规模的网路中,分枝定界法的复杂度很高,无法实现。因此,提出了一种易于工程实现的启发式跨层调度算法并进行了仿真验证。此外,对IMT-Advanced系统Macro-Femto网络中多用户、多业务的公平性概念进行新的阐述,并修正了Jain’s公平指数,使其适应于评价未来多媒体业务的公平性。仿真结果表明：在中等规模的网络中,启发式算法的性能接近分枝定界法的性能,即启发式算法能够获得接近最优解的性能。在大规模的网络中,提出的启发式算法的性能优于简单跨层设计机制和没有考虑跨层设计机制的性能。提出的算法能够提高网络的吞吐量,同时保证用户各种业务的QoS要求,保证不同QoS要求业务的公平性,以及保证用户间的公平性。提出了基站功率消耗最小化数学模型,考虑了五层约束条件。应用层将QoS信息传递给传输层、网络层、MAC层和物理层。考虑的约束条件包括：(1)物理层的功率约束和资源块分配约束。(2)MAC层的时延约束和目标数据速率约束。(3)网络层的紧急队列长度约束。(4)传输层的误包率约束。利用数学理论将高层约束条件转化为用物理层参数表征的约束条件,并将整数约束松弛,从而将NP-hard问题转化为凸最优化问题,采用拉格朗日乘子法求解此凸最优化问题。仿真结果表明：提出的算法的能效性能、吞吐量性能、业务公平性均优于传统的round robin(轮询)算法和max min(最大化最小速率)算法。轮询机制和最大化最小速率机制仅考虑了速率公平,没有考虑业务公平。与轮询机制(最大化最小速率机制)相比较,提出的机制能将能效性能改善58.85%(62.41%),能将吞吐量性能改善19.09%(25.25%),能将业务公平性能改善57.69%(35.48%)。在不完美CSI假设下,建立了系统吞吐量最大化数学模型。此数学模型用中断概率刻画不完美CSI的影响,并考虑了业务的QoS要求。使用对偶分解方法求解此非凸最优化问题。当资源块的数目趋于无穷大时,对偶间隙为0。而在实际中,资源块的数目是一个有限值,因此,基于遗传算法提出了一种能够获得接近最优解性能的低复杂度的改进跨层设计机制。改进之处有两点：(1)比较选中的两个父代个体的相似度,如果相似度超过预先设定的门限,则变异适应度值较低的父代个体,从而避免进化停滞,并可以保留优良个体。(2)引入白适应变异概率。当用户的适应度值小于群体平均适应度值时,变异概率较大,并且随着用户适应度值的增加,变异概率减小。当用户的适应度值大于或等于群体平均适应度值时,变异概率较小,并且随着用户适应度值的增加,变异概率减小。仿真结果表明：与传统机制相比,PCLD-IGA(proposed cross-layer design-improved genetic algorithm,提出的基于遗传算法的改进跨层设计)机制能够获得接近最优解性能的次优解,对不完美CSI具有很好的鲁棒性,并且能够保证各种业务的QoS要求。