机器对机器(Machine to Machine,M2M)通信有望在5G网络中扮演十分重要的角色。M2M通信网络中,机器类通信设备(Machine Type Communication Device,MTCD)在没有人为干预的情况下,能够自主通信或者与基础设施进行通信,以实现智能化识别、定位、跟踪、监控和管理等。然而,M2M通信场景中,大量MTCDs同时接入网络导致网络过载以及MTCD业务需求多样化等特性均给网络的无线资源分配技术带来了前所未有的挑战。本文针对M2M通信网络的无线资源分配算法展开研究,具体包含以下内容:首先对M2M通信网络架构,关键技术以及特点进行概述,在此基础上,着重介绍了无线资源管理技术,并对M2M通信网络的小区选择、功率分配和联合随机接入及资源分配算法进行了分析总结,强调了联合资源分配算法的重要性。针对由单个基站(Base Station,BS)与多个MTCDs构成的M2M通信网络,提出一种联合模式选择及资源分配算法以实现网络生存期最大化。首先将网络生存期最大化问题转换为网络中MTCD剩余能量最大化问题,建模联合模式选择及资源分配问题为MTCD剩余能量最大化问题。由于所建模的优化问题是非凸问题,无法通过传统的优化理论进行求解。本文通过采用数学工具将该优化问题转换为凸优化问题,并使用拉格朗日对偶分解法求解,从而优化确定MTCD资源分配策略。针对由多个BSs与多个MTCDs构成的M2M通信网络,研究随机接入,小区选择及资源分配问题,提出了一种联合接入类禁止(Access Class Barring,ACB),小区选择及资源分配算法。该算法包含两个子算法,即基于虚拟簇的联合ACB因子及资源块(Resource Block,RB)分配子算法,及基于效用函数最大化的联合小区选择及功率分配子算法。为实现RB的有效利用并且满足MTCD的时延需求,首先提出了一种基于虚拟簇的联合ACB因子及RB分配子算法。根据MTCD的时延需求,将MTCD分成不同的虚拟簇并且每个虚拟簇代表一种服务类型的MTCD,其次,建模基于RB利用率最大化的ACB因子与RB分配问题,并通过求解此优化问题得到各虚拟簇最优ACB因子与RB分配策略。基于已得到的ACB因子与RB分配策略,为MTCD优化设计小区选择及功率分配策略。通过引入效用函数的概念,定义M2M通信网络的效用函数并建模基于效用函数最大化的联合小区选择及功率分配问题。由于所建模的优化问题为一个混合整数非线性优化问题,难以直接求解,本文将该优化问题转换为凸优化问题,并通过迭代算法与拉格朗日对偶法进行求解,从而得到优化联合小区选择及功率分配策略。