随着无线通信技术的高速发展,有限的无线资源与新型业务的各类需求之间的矛盾不断增加。另一方面,现有多种无线接入技术(Radio Access Technology, RAT)的共存形成了异构环境,在这样的客观条件下,如何对多网络覆盖下的用户进行合理有效的网络选择、对异构网络资源充分利用来缓解无线资源和用户需求间的矛盾,在近期引起了广泛的关注。异构网络的联合无线资源管理存在集中式、分布式以及混合式三种模式,其中分布式模式架构具有较高灵活性,且易于扩展。因此,本文立足于分布式的异构网络资源管理模式,分别以网络选择、网络选择联合资源分配为研究重点,围绕多个研究目标,展开了深入的研究。由于多RATs覆盖下属性信息的复杂性,本文综合利用模糊逻辑的推理能力和神经网络的学习特性,提出一种以用户为中心的,且用户通过其内置的模糊神经网络模型进行网络选择的算法。当多个用户均应用此算法时,仿真表明网络接入点间可以达到较好的负载均衡。针对基于正交频分多址接入(Orthogonal Frequency Division Multiple Access, OFDM A)技术的多RATs存在的异构环境上行方向,首先提出了保证比例公平性的资源分配方案。该方案在默认用户选择所有可接入网络进行数据发送的条件下,最大化用户间的比例公平性,即通过迭代计算得到用户向每个RATs接入点的发送功率以及RATs分配的带宽资源。考虑到分配的带宽以资源单元为最小颗粒度,最后对所分配的带宽进行调整。仿真表明所提方案以损失部分吞吐量为代价,可以达到较高的用户公平性。继而进一步,对上行支持多业务的、在满足时延受限业务用户最小速率的要求下,最大化尽力服务业务用户的比例公平性的问题进行研究,且提出了联合网络选择和资源分配的两层迭代方案,以及低复杂度的启发式方案。虽然启发式方案性能差于迭代方案,但尽力服务用户仍可以达到比较高的公平性。对基于多种多址接入技术的多RATs存在异构环境下行方向,考虑到不同多址技术对应分配的无线资源有所不同,将其统一映射到用户可以达到的数据速率上。首先在默认用户接入所有可用网络条件下,以网络效用为优化目标展开研究,通过对归纳问题的对偶求解,提出一个最优资源分配的迭代算法。进一步,针对下行的支持多业务的、在满足时延受限业务用户最小速率的要求下,最大化尽力服务业务用户的比例公平性的联合网络选择和资源分配问题展开研究,将其归纳为混合整数规划问题,然后采用连续放松的方法,并转求其对偶问题。而通过对问题的分析,提出一个联合网络选择和资源分配的迭代方案。分析与仿真结果表明,该方案可以达到较高用户公平性。