为满足海量终端设备的接入需求,5G/B5G无线网络的部署趋于密集化。5G/B5G网络的这种致密化趋势加剧了网络资源的紧缺。与此同时,国内国际社会对于建设绿色通信网络的呼声越来越高。另一方面,无线技术演进到5G/B5G,其根本目的就是为用户提供越来越高的用户体验质量(Quality of Experience,QoE),以及为用户提供高可靠的用户服务质量(Quality of Service,QoS)保障。日益加剧的网络资源和能量资源紧缺的现状与不断提升的QoE和QoS保障需求之间的矛盾,是5G/B5G网络建设过程中必须正视的一个问题。本文将从基站休眠技术和无线网络资源管理两个层面展开面向5G/B5G无线网络绿色传输技术的研究。本文的主要内容和贡献归纳如下:(1)基于QoS保障的休眠能力最大化的研究考虑到物联网(Internetof Things,IoT)设备异构QoS需求,如多样的覆盖需求、数据传输速率需求等,探究以数据为中心的物联网(Information-Center Internet of Things,IC-IoT)通信系统的最大的休眠能力。所建立的非线性优化问题中,休眠概率既充当优化变量又充当优化目标。为解决这一问题,分析了休眠概率和网络可用带宽的特性,然后提出了一种基于二分法的非线性规划算法。该算法将原始优化问题分为两个子问题。其中一个子问题与带宽重新分配和流量卸载有关。另一个子问题用来求解最优的休眠概率。仿真结果表明,最优休眠概率与可用带宽成线性关系,与设备密度成反比;且与QoS保障需求相比,休眠概率对于信道状态的变化更为敏感。(2)距离敏感的分布式排斥休眠策略的研究针对现有的集中式休眠策略产生巨大的通信开销,存在覆盖漏洞,并且降低网络健壮性的问题,利用硬核点过程对于任意两点间距离约束的特性,本文设计了一种距离敏感的分布式休眠策略。为了表征该分布式休眠策略的性能,利用随机理论,推导了该分布式休眠策略下的基站休眠概率、用户的覆盖概率和用户的平均可达的数据速率的解析表达式。最后,对比分析了所提的分布式休眠策略、现有的随机休眠策略和一般的排斥休眠策略下用户的覆盖特性。仿真结果表明,与随机休眠策略和一般的排斥休眠策略相比,所提的分布式休眠策略能够在相同能耗下提供更可靠的覆盖。(3)多跳V2X通信的跨层资源分配的研究利用V2X通信技术,以车辆作为多跳传输通信系统中的移动中继。基于该系统建立了用户的数据队列传输模型,研究该传输系统下用户的长期QoE优化问题。面对该长期QoE优化问题,设计了一种跨层资源分配的在线算法。引入Lyapunov优化将长期优化问题转化为一系列瞬时子问题。这些子问题涉及到各时隙下的速率控制,功率分配和移动中继选择的联合优化。之后,一方面,将速率控制的优化问题从上述优化问题中解耦,进行独立优化求解。另一方面,提出一种低复杂度的基于价格的稳定匹配算法来解决联合移动中继选择和功率分配问题。最后,仿真结果表明所提的算法框架下队列积压和网络效用遵循[O(v),O(1/v]的折衷关系。(4)基于ADMM的物联网网络大规模资源分配的研究利用交替乘子方向法(Alternating Direction Method of Multipliers,ADMM)以分解协调的方式加快收敛速度的特性,研究IoT网络中大规模资源分配问题。针对非线性分式规划的大规模资源分配问题,引入了 Dinkelbach算法,将此类问题转化为等价的凸的大规模资源分配问题,然后应用经典的有着两块变量的ADMM解决该等价的凸优化问题。针对包含高维变量和大量约束的凸的大规模资源分配问题,引入了 Jacobian-ADMM算法,并行地解决该优化问题。针对包含高维变量和大量约束的基于博弈的资源分配问题,在Dinkelbach算法和Jacobian-ADMM算法的基础上,设计了一种双层迭代的资源分配算法。仿真结果表明所提三种算法具有良好的收敛性和对网络规模扩张的适应性,尤其是双层迭代资源分配算法能够线性收敛到斯坦伯格均衡点。(5)工业物联网下的双时间尺度的资源分配的研究针对混合能源供能的通信系统能量收集(Energy Harvesting,EH)、电价、信道状态和数据到达在不同的时间粒度内变化的问题,研究工业物联网(Industrial Internet of things,IIoT)网络下的双时间尺度资源分配问题。结合Lyapunov优化、ADMM和匹配理论,提出了一种在线求解算法。该算法首先应用Lyapunov优化将所建立的长期网络性能优化问题解耦为大时间尺度下的能量管理,小时间尺度下的速率控制及联合信道选择和功率分配的子问题。针对速率控制子问题存在大规模变量组成的求和约束的问题,提出了一种基于ADMM的低复杂度速率控制算法。然后,将联合信道选择和功率分配问题转化为一对多匹配问题,并提出基于价格的配额限制的匹配算法来解决该问题。仿真结果表明,所提的在线算法有效地将数据队列积压和数据到达率的峰均比降低35.5%和28.5%,将能源成本降低48.23%;并根据服务优先级和时变电价动态地调整资源分配,为设备提供差异化服务;另外,所提算法可实现以1%的最优性能下降换取99%的计算时间减少。