随着无线通信技术的快速发展,传统同构蜂窝网络为满足日益升高的通信服务质量需求,逐渐向异构蜂窝网络演进。同时,无线设备数量爆炸式的增长和各类基站的大规模部署,使得能效的优化成为学术界和工业界的共同目标。现有异构网络能效优化算法都假设能够获得完美的信道状态信息。但由于无线信道环境固有的随机性和无法避免的信道估计误差,上述传统算法在实际无线系统中会引起通信中断。因此,本文研究基于参数不确定性的异构蜂窝网络鲁棒能效优化算法,本文主要工作如下:(1)为了减小频谱感知对网络传输效率的影响,研究了基于认知的异构蜂窝网络鲁棒资源分配和时长优化算法。首先,基于多用户认知异构网络,建立了认知飞蜂窝网络用户总能效最大的鲁棒资源分配模型。然后,提出了一种基于信道增益的次优子载波分配方案来实现用户与子载波的配对,接着利用泰勒级数展开方法来逼近与优化最优传输时间。然后,利用伯恩斯坦近似法将基于中断的跨层干扰功率约束转换为凸约束。最后,利用Dinkelbach方法和拉格朗日对偶函数法得到最优发射功率,并提出了一种基于伯恩斯坦近似法的鲁棒资源分配算法。(2)为了在保证系统鲁棒性的同时延长移动终端运行寿命,研究了基于无线携能的异构蜂窝网络鲁棒资源分配算法,为飞蜂窝用户引入了无线信息与功率同传(Simulataneous Wireless Information and Power Transfer,SWIPT)功能,并建立了多变量耦合的非凸能效优化鲁棒资源分配模型。然后,在不知道位置参数统计分布模型的情况下,利用最小最大概率机(Minimax Probability Machine,MPM)方法和Dinkelbach方法分别对中断概率约束和分式目标函数进行凸转换。最后,基于拉格朗日对偶函数法和次梯度更新法,获得了最优功率分流系数和发射功率,并提出了一种基于MPM法的鲁棒资源分配算法。(3)为了提高频谱利用率和接入网络用户数量,研究了基于非正交多址(Non-Orthogonal Multiple Access,NOMA)和正交频分多址(Orthogonal Frequency Division Multiple Access,OFDMA)混合接入模型下的异构蜂窝网络鲁棒资源分配算法。为挖掘频谱效率并改善小区边缘用户的通信体验,基于NOMA/OFDMA混合接入方式,建立多个飞蜂窝网络最大化最小公平能效的资源分配问题。然后,利用最坏情况准则对传输速率表达式和跨层干扰功率中的信道不确定性进行凸转换,利用变量松弛法将原混合整型变量问题转换为凸问题。最后,基于凸优化理论和次梯度更新法,获得了最优的发射功率和子载波分配策略,并提出了一种基于变量松弛法的鲁棒资源分配算法。