作为第五代移动网络的重要组网方式之一,小小区网络具有成本低、覆盖全面、可以大幅提高频谱效率和能量效率等优势。然而,随着移动数据流量的爆炸式增长以及新型应用如虚拟现实、增强现实等的迅速普及,小小区网络面临回程链路受限、计算能力不足以及内容传输时延大等问题。为了应对上述挑战,缓存及边缘计算技术被引入到小小区网络中,增强了网络的存储和计算能力,受到了学术界和工业界的广泛关注。在应用了缓存和边缘计算技术的小小区网络中,网络资源既包含传统的无线资源,也包含存储及计算资源,这使得网络资源呈现出异构化的特点。资源的异构化以及其性能指标的差异化导致资源管理问题变得更加复杂。合理高效的资源管理方案不仅能够提升网络性能,为各种新型业务及应用提供支持,更能保障用户多变的服务质量(Quality of Service,QoS)需求。可见,如何在小小区网络中对无线、存储以及计算等异构资源进行联合管理与优化需要深入研究。因此,本文从存储与无线资源,计算与无线资源,计算、存储与无线资源的联合管理三个角度出发,提出了面向容量增强的内容配对及无线资源分配机制、面向宏-小小区基站的两级计算卸载及资源分配方案和基于网络虚拟化的分布式异构资源分配策略,并通过仿真验证了所提方案的性能。本文主要工作和创新点如下:1.提出了一种面向容量增强的内容配对及无线资源分配机制,利用缓存和全双工自回传技术,在保证用户数据速率需求的同时,提高了网络吞吐量并节约了回程资源。首先,在考虑缓存以及小小区基站之间全双工自回传技术的情况下,对内容配对及无线资源分配问题进行建模,在保证用户QoS需求的同时,最大化系统吞吐量。其次,为了有效地求解该问题,根据用户请求与缓存的内容,提出了基于匈牙利算法的内容配对机制。再次,为了降低联合功率和频谱分配问题的计算复杂度,通过问题解耦,提出了一种基于连续凸近似(Successive Convex Approximation,SCA)和受限的凹凸过程(Constrained Concave Convex Procedure,CCCP)的功率分配方法。接着,利用功率分配结果进一步优化频谱的分配,继而通过迭代算法获得次优的频谱和功率分配策略。最后,仿真表明提出的内容配对及资源分配机制充分利用了缓存资源及全双工自回传技术,节约回程链路的同时有效地提升了网络的吞吐量,并且降低了计算复杂度。2.提出了一种面向宏-小小区基站的两级计算卸载及资源分配方案,充分考虑基站计算能力的差异以及用户不同的计算需求,保证用户时延的同时,优化了系统能耗。首先,结合移动边缘计算和全双工自回传技术,建立宏基站-小小区基站两级计算卸载的网络模型。其次,在保证用户时延要求的前提下,以最小化系统能耗为目标,将两级计算卸载及资源分配问题建模为混合整数非凸优化问题。再次,为了降低问题求解的计算复杂度,将原问题分解为两个子问题分别求解。在子问题一中,利用参数凸优化理论求解分式优化问题,获得联合计算卸载与功率分配策略;在子问题二中,通过证明问题的凸性优化了频谱分割策略;继而采用迭代优化算法对两个子问题联合求解,获得次优的计算卸载及资源分配方案。最后,仿真表明两级计算卸载及资源分配方案根据用户的需求,可以充分利用基站间不同的计算能力,优化了用户卸载决策和资源分配,降低了系统的能耗,节约了回程资源,并且降低了计算复杂度。3.提出了一种基于网络虚拟化的分布式异构资源分配策略,同时考虑下行高数据速率业务和上行计算敏感业务的QoS需求,优化了系统效益。首先,引入网络虚拟化技术,将所有物理基础设施及无线、缓存、计算资源抽象为虚拟资源,建立了针对高数据速率业务和计算敏感业务的虚拟资源管理模型,实现虚拟资源的动态分配。其次,通过对不同业务的收益以及消耗的资源进行定价,定义了系统效益作为目标函数,并将用户接入、卸载决策、缓存决策以及虚拟资源分配问题建模为混合整数非凸优化问题。再次,为了高效地求解该问题,通过变量替换将其转化为凸优化问题,继而提出了一种基于交替方向乘子法(Alternating Direction Method of Multiplier,ADMM)的分布式虚拟资源分配策略。最后,仿真表明基于网络虚拟化的分布式异构资源分配策略根据用户的业务需求,优化了资源分配,提升了系统效益值,并且降低了计算复杂度。