随着无线感知与通信技术的发展,低功耗物联网被广泛地部署以采集或监测环境数据。多样的应用场景和不断增加的物联网终端设备对低功耗物联网的数据传输性能提出了挑战。一方面,越来越多的物联网终端设备被部署到环境中,爆炸式增长的终端设备与有限的无线资源之间冲突越来越明显,并成为影响低功耗物联网性能的主要瓶颈之一。因此,如何通过高效的资源分配机制,支持大量终端设备的可靠数据传输是低功耗物联网领域非常重要的研究问题。其中,可分配的资源主要包括无线信道资源（通过为物联网终端设备分配不同的发射信道,避免设备之间的信号冲突）、终端设备的能量资源（终端设备可以采用不同发射功率,从而实现不同的信号传输可靠性和能量消耗速度,并影响低功耗终端设备的工作时间）以及时隙资源（将时间切分为小的时隙,为物联网终端设备分配不同的信号发射时隙,避免信号冲突）和硬件资源（作为计算资源的终端设备或辅助终端设备进行计算的边缘服务器）等。另一方面,由于实际环境与应用需求的多样性,低功耗的物联网络可能被部署到拥有不同特点的场景中。例如,在城市区域中,楼房等密集的障碍物会遮蔽无线信号的传输,物联网终端设备往往密集地部署在建筑物内,且对数据传输的可靠性有较高要求;而野外环境空旷,对物联网终端设备进行人工更换电池的成本往往较高,因此更加看重网络的生命周期,期望网络可以运行较长的时间而无需更换电池。为此,本论文针对不同的场景和需求,研究了不同的低功耗无线通信技术下,影响低功耗物联网性能（例如数据传输的可靠性、网络的吞吐量与资源的利用率等）的主要因素,并基于该性能分析研究相应的低功耗物联网的资源分配技术。具体来说,本文针对广域网和个域网两类低功耗物联网系统展开研究,主要研究内容和创新成果如下:（1）低功耗广域网Lo Ra网络由于其超远的信号传输距离和较低的终端设备能耗,往往被部署在覆盖范围较广的区域,终端设备人工部署和更换电池的开销较大,因此网络的生命周期是低功耗广域网Lo Ra中最重要的设计与部署参数之一。现有工作主要通过物理层的技术手段允许Lo Ra的接收端解析多个冲突的Lo Ra信号,从而提高信号传输的可靠性,降低数据重传的能量消耗。本论文研究Lo Ra网络中的资源分配,通过为物联网终端设备分配无线信道、扩频因子以及信号发射功率等,实现终端设备之间能量消耗的公平性,提高低功耗广域网Lo Ra的生命周期。更进一步地,本论文考虑无线链路的动态性对能量公平性的影响,研究动态的资源分配,以适应动态的Lo Ra网络并提高其生命周期。本论文在该方面相关的论文发表在CCF B类会议IEEE ICDCS 2019和IEEE ICNP 2020上。（2）低功耗个域网是由一组物联网终端设备组成的自组织的低功耗无线网络,设备感知到的环境数据以多跳的方式传输到汇聚节点和远端的服务器进行分析处理。由于物联网终端设备的信号发射距离较短,且部署较为密集,低功耗个域网通常为终端设备分配不同的信道以避免信号之间的冲突。另外,低功耗个域网可以采用时分多路复用TDMA（Time Divided Multiple Access）技术,将时间切分为多个小的时隙,为数据传输的无线链路分配不同的时隙与信道资源,提高无线数据传输的可靠性。现有工作往往假设无线链路在一个时隙中可以传输成功,然而无线信号在实际传输中具有不可靠的特性,丢失的数据包只能在下一个传输周期进行重传,大大增加数据传输的时延。本论文在保证数据传输截止时间的前提下,考虑数据传输的不可靠性以及多跳网络拓扑下的链路干扰情况,基于不同数据进行链路传输的紧迫性,对时隙和信道资源进行分配,减少网络中的干扰并提高数据传输的可靠性。本论文在该方面相关的工作发表在JCR一区期刊IEEE Transactions on Industrial Informatics 2020、SCI检索期刊Pervasive and Mobile Computing 2017和国际会议IEEE INFOCOM Workdshop Mise Net 2018上。（3）由于低功耗物联网终端设备的计算资源和能量受限,为了应对日渐复杂的物联网任务例如数据与图像分析等,低功耗物联网设备可以通过将复杂的任务卸载到附近的边缘服务器上进行处理。边缘服务器可以是低功耗物联网附近的基站、无线接入点等,计算能力远超低功耗物联网设备,可以通过部署多个边缘服务器同时为低功耗物联网服务,以提高数据传输和任务处理的效率。由于终端设备与边缘服务器之间通过无线连接,边缘服务器作为硬件资源,其位置的分配会对物联网卸载任务时数据传输的性能产生较大影响。现有研究工作主要针对低功耗个域网中汇聚节点的位置分配,然而在对边缘服务器资源的位置进行分配时,低功耗物联网终端设备的异构性和无线链路的不稳定性都会影响任务数据卸载的效率,降低边缘服务器的资源利用率。针对该问题,本论文综合考虑异构的低功耗物联网设备与无线链路质量的影响,研究边缘服务器作为硬件资源的分配机制,有效地提高网络吞吐量与资源利用率。本论文在该方面的相关工作发表在JCR一区期刊IEEE Internet-of-Things Journal 2018上。（4）低功耗物联网系统可以在边缘服务器或云端服务器上执行复杂的计算任务例如各种机器学习算法等,联邦学习由于其不需要物联网终端设备上传采集到的数据、在本地进行模型训练,被广泛用于以工业物联网为例的面向数据私密性的物联网应用。现有研究工作主要在无线移动网络中降低联邦学习的训练时延,往往忽略了工业物联网场景下终端设备部署密集、无线链路之间干扰严重的情况,导致的数据丢包反而可能增加训练时延。本论文针对以上问题,提出了无线资源与终端设备硬件资源的分配策略,综合考虑工业物联网中上述两种资源对联邦学习训练时延的影响,大大降低了全局模型的训练时延。本论文在该方面的相关工作投稿在JCR一区期刊IEEE Transactions on Industrial Informatics 2021上（Major Revision）。