作为实现人-物及物-物泛在连接的通信网络,物联网未来将逐渐渗透到生产生活的各个领域,成为实现城市智能化不可或缺的重要环节。为实现物联网信号的远距离传输,蜂窝物联网被广泛研究。蜂窝物联网应用众多,例如:共享单车、智能抄表、无线报警等。随着各类应用的发展,人们对蜂窝物联网的覆盖可靠性、服务质量、频谱效率、计算效率等性能提出了更高要求。近年来,大量智能终端的涌现使蜂窝物联网逐渐向密集化的趋势发展。密集蜂窝物联网具有干扰复杂、海量终端接入、上行业务占比大、终端收集数据量大等特征。这些特征导致了系统覆盖可靠性的降低、终端服务质量的下降及计算负担的增加。为应对上述挑战,引入先进技术探究系统的极限性能并通过资源配置优化对系统性能加以改善是十分必要的。本文结合上述蜂窝物联网的特征,从传输和应用两个层面对密集蜂窝物联网的性能分析及资源管理进行研究。研究内容涉及通信网络的组网、接入、传输、计算四个部分。在传输层面,首先以保障网络可靠覆盖为目的,第2章分析系统信干比（signal-to-interference ratio,SIR）覆盖概率,为基站部署提供理论支持。其次,以改善终端服务质量为目的,第3章及第4章结合海量终端及系统上行/下行业务特性,分别引入非正交多址接入（non-orthogonal multiple access,NOMA）和全双工技术,研究提高频谱效率的终端调度及功率分配方法。最后,在应用层面,以降低系统计算负担并保障数据安全为目的,第5章研究了基于传播网络的无线网络联邦学习方法。论文的创新型工作主要包括如下几个方面:1)由于密集蜂窝物联网具有干扰复杂的特性,当数据包随机到达时,基站间数据队列动态变化,队列长度存在极强的空间相关性。本文首先分析队列稳定的充分必要条件,而后依据系统稳定时基站的数据队列长度,将系统重新建模为两队列长度近似模型。利用随机几何及排队论,推导基站队列稳定时的SIR覆盖概率。其中,本文提出一种迭代算法用于计算短队列基站激活概率。为降低算法计算复杂度,在每轮迭代中用Beta分布对基站服务速率的分布进行近似。最后,仿真验证了所提出的新型组网模型与蒙特卡洛仿真结果之间的相似性及算法收敛性。2)由于密集蜂窝物联网具有海量终端接入的特性,为改善服务质量,本文引入NOMA技术,研究NOMA系统信干噪比（signal-to-interference-plus-noise ratio,SINR）可行域表达式及达到其帕累托最优的资源分配方案。为刻画SINR可行域,首先研究终端SINR可行的充分必要条件,而后建立优化问题分别求解多小区上行及其对偶下行NOMA系统SINR可行域上边界。根据矩阵分析理论推导二者的闭式表达式并严格证明二者的SINR可行域相等。为得到帕累托最优的资源分配方案,首先分析终端最优解码顺序的满足性条件,在此基础上提出关于终端解码顺序及功率分配的迭代算法。最后,仿真验证了算法的收敛性及其在高负载情况下的有效性。3)由于密集蜂窝物联网具有上行传输业务量大的特性,为改善服务质量,引入全双工传输技术。本文首先设计频率复用方案以降低小区间干扰。而后以最大化系统最大最小公平速率为目标,设计目标小区的上行/下行传输方向分配、终端配对及功率分配联合优化方案。由于优化变量具有不同的变化频率,优化问题被建立为二维时间尺度问题。问题求解前,首先证明优化问题是非确定性多项式困难的。而后针对非满负载及满负载两种情况,分别提出了不同的两阶段算法,得到上行/下行传输方向及终端配对次优解。在此基础上,通过连续凸近似或加权最小均方误差方法得到相应的功率分配方案。最后,仿真验证了算法的有效性及不同流量负载对系统性能的影响。4)由于密集蜂窝物联网具有海量终端且收集数据海量的特性,终端数据集是非独立同分布的,这额外增加了中心服务器的计算负担。为保障数据安全性并降低计算负担,本文引入传播网络描述数据传播过程,研究基于传播网络的无线联邦学习算法终端调度及参数更新策略。首先在传播网络中引入Katz中心性以刻画终端（数据）影响力。其次,依据影响力不同,提出无线联邦学习终端调度及参数更新方案。由于信道具有不确定性,利用随机几何推导参数信号的传输成功概率。基于一系列关于损失函数的基本假设,本文利用范数不等式完成算法收敛性证明。最后,仿真验证了算法的有效性并比较了不同参数对算法准确度及收敛速度的影响。