大规模分布式天线系统(Large-Scale Distributed Antenna System, LDAS)是一种将分散在不同地理位置上的几十甚至几百个远端天线单元(Remote Antenna Unit, RAU)通过光纤等宽带低损耗的链路连接到中心单元进行集中信号处理的新型多天线架构。与传统集中式多天线系统相比,LDAS拥有更高的空间、频谱和能量效率,能使信号功率在覆盖范围内更均匀的分布,在节省能耗的同时还可以对抗阴影衰落来获得宏空间分集增益。本文分别研究了LDAS下行链路单播、广播传输中的无线资源管理问题,针对两种不同传输模式分别设计了高性能、低复杂度的资源管理算法以充分发挥LDAS的性能优势。针对LDAS的下行单播传输,系统一般采用多用户多输入多输出(Multi-user Multiple-input Multiple-output, MU-MIMO)传输方式同时服务多个用户以充分利用LDAS的大规模空间自由度。MU-MIMO利用发送端信道状态信息(Channel State Information at Transmitter, CSIT)对选中服务的用户集合的数据进行预编码,在相同频率上同时传输不同数据流给多个用户。如何根据CSIT和所采用的预编码方式选择最佳的用户集合以实现总容量等目标函数的最优化是MU-MIMO传输面临的首要问题。本文针对使用迫零波束成型(Zero-Forcing Beamforming, ZFBF)线性预编码的MU-MIMO下行传输,分别从提高总容量性能和降低计算复杂度两个方面研究了其对应的用户选择算法。首先以提高算法的总容量性能为目标,本文通过分析并解决现有用户选择算法中存在的“冗余用户”和“局部最优”问题,设计了一个总容量性能逼近全局最优并且保持低计算复杂度的用户选择算法——使用替换的贪婪用户选择算法(Greedy User Selection with Swap, GUSS)。GUSS算法选中的用户集合从空集出发,根据一定的规则循环使用“增加”、“删除”和“一对一替换”操作更新选中的用户集合,直至总容量不再提高。GUSS算法不仅能“删除”选中用户集合中的冗余用户,还能通过“一对一替换”使用户集合跳出部分局部最优。所以GUSS算法的总容量性能显著优于现有文献中总容量性能仅次于全搜索算法的迫零用户选择算法(Zero-Forcing with Selection, ZFS)。假设LDAS的RAU总数为M、总用户数为K,采用ZFBF线性预编码时所能同时服务的用户总数小于等于M。GUSS算法以O((α+1/2)KM3)的计算复杂度平均获得全局最优总容量99.3%的总容量性能。其中α是GUSS算法中“一对一替换”操作的运行次数,仿真实验证明α是一个受M、K和总发送功率P)影响的较小值。为了降低GUSS算法的计算复杂度,本文为ZFBF预编码定义了一个新的参数——有效信道矢量(Effective Channle Vector,ECV)。有效信道矢量vi是用户i的信道hi在选中集合中所有其他用户信道空间的正交补空间上的投影。从代数和几何学角度,本文推导了选中用户集合在“增加”、“删除”和“一对一替换”更新之后的低复杂度ECV递推更新公式。基于ECV的有效信道增益λ递推更新公式的计算复杂度大幅度降低,仅为现有文献中λ递推更新公式复杂度的42.9%。基于ECV的λ更新公式不仅有效降低了GUSS的计算复杂度,同时为将来设计基于ZFBF预编码的性能更优的用户选择算法奠定了基础。其次以降低算法的计算复杂度为目标,本文针对K≤M和K>M两种情况本文分别设计了计算复杂度显著降低并且总容量性能不低于ZFS算法的用户选择算法。在K≤M条件下设计了三种基于递减的算法：递减用户选择算法(Decremental User Selection, DUS)、使用增加的递减用户选择算法(Decremental User Selection with Add, DUSA)和删除最小有效信道增益算法(Delete the Minimum Lambda, DML)。三种算法选中的用户集合都从用户全集出发：DUS算法每次删除一个使总容量增加最大的用户；DUSA在DUS基础上增加选择“误删除用户”；DML算法每次删除一个有效信道增益最小并且带来总容量增加的用户。三种算法都能获得不低于ZFS算法的总容量性能,而且三者计算复杂度都低于ZFS算法。尤其,DML算法的计算复杂度为O(MK2),显著低于ZFS、DUSA和DUS算法O(MK3)量级的计算复杂度。在K>M条件下,设计了基于ECV的ZFS算法(ECV-based ZFS, eZFS)。本文将基于ECV的有效信道增益λ递推更新公式运用于ZFS算法得到了基于容量的递增eZFS算法。eZFS拥有与ZFS算法完全相同的总容量性能,同时计算复杂度降低为O(1/2KM3)。在K、M、P足够大且K》M时,eZFS算法的计算复杂度约为ZFS算法复杂度的3/7。针对LDAS的下行广播传输,系统一般采用正交空时编码传输来获得空间分集增益并提高传输可靠性。但是在拥有几十甚至几百个RAU的LDAS条件下,可使用的正交空时编码阶数n。远小于LDAS的RAU总数M。因为高阶的空时编码不仅会增加软硬件实现的复杂度、增加编译码时延、增加协议中填充比特带来的协议开销,而且需要信道的相关时间更长以保证正确的空时译码。在n0<M条件下,如何将正交空时编码产生的n。个正交数据流分配到M个RAU以最小化覆盖区域内的平均误码率是LDAS面临的一个新问题。该问题受三个方面因素的影响：1、LDAS中各RAU的拓扑结构；2、LDAS中各RAU的发送功率分配；3、正交空时编码阶数及正交数据流到各RAU的分配。其中前两个因素共同决定了总发送功率的分布,全体三个因素一起决定了各正交数据流功率在覆盖范围内的分布。所以,我们需要联合优化上述相互紧密耦合的三个因素。本文研究结果表明,最小化平均误码率的条件是均匀分配接收信号中各正交数据流的功率。为此本文提出了两个启发式的RAU分组规则,分别对应平衡正交数据流之间和正交数据流流内的功率分配。本文将满足这两个规则的RAU分组方案命名为流平衡分组方案。在均匀RAU拓扑和均匀功率分配条件下,本文分别针对一维直线拓扑下所有的n0、二维六边形拓扑下no=p2+q2+pq和二维矩形拓扑下n0=p2+q2的情况提出了各自的流平衡分组方案。仿真结果证明了所提流平衡分组方案在覆盖范围内的平均误码率性能优势。同时仿真还证明在采用流平衡分组方案时,平均误码率随着所采用的正交空时编码阶数n。以及RAU密度的增加而降低。