本文研究无线网络中的公平性调度问题，我们针对三种典型的网络结构，分别研究在无线衰落信道下，如何在保证公平性的前提下高效率的利用有限的系统资源。面向不同设计目标，本论文设计了不同的公平性调度策略。首先，本文研究机会中继网络中面向队列稳定的公平性调度策略；随后，针对多用户多基站的一般网络结构设计了两种能达到全局比例公平的调度策略；最后针对认知网络研究了联合信道感知与用户调度策略。论文的主要贡献包括以下4点：第一，研究了在用户间协作的机会中继网络中，保证队列公平性的跨层调度策略。通过利用即时的信道状态信息和队列缓存信息，设计了选择目的用户和中继用户的调度算法。该研究得到的算法扩大了系统的队列稳定容量域，减小了系统的平均队列延时，同时提高了用户的吞吐量和队列延时的公平性。第二，研究了确定性信道下多用户多基站网络中的网络比例公平调度策略。设计了一种在线实现的竞价算法，通过用户和基站的交互达到网络比例公平。阐述了该算法的分布式特性，证明了该算法的收敛性和最优性。并进一步展示了网络比例公平调度相对传统的本地比例公平调度的性能提高。第三，研究了随机信道模型下多用户多基站网络的全局比例公平调度策略。用随机近似的方法得到了一种基于基站协作的用户调度策略，达到了全局比例公平性。证明了该策略的渐进最优性，得到了该策略下用户吞吐量时间轨迹的随机微分方程描述。给出了该策略的两种具体实现方式，一种适用于基站间有直接通信链路的网络，另一种适用于基站间无直接链路的网络。给出了各种实现的复杂度分析，论证了该策略相对于本地比例公平调度策略提高了吞吐量和公平性。第四，研究了认知网络中的用户信道感知对公平性调度的影响。基于基站知道信道统计信息的假设，我们将问题建模为一个最优停时模型，给出了一种联合信道感知和用户公平性调度算法。证明了该算法的收敛性、最优性和比例公平性。给出了该算法的基于静态阈值的低复杂度的实现方式。推导得到了该最优算法达到的多用户分集增益的显示表达式。将该算法推广到了调度器完全不知道信道状态的情况下，给出了一种联合在线学习、信道感知和用户调度策略，并证明其收敛到标准算法。