无线通信资源稀缺以及车辆数量的日益增多,使得车联网通信中频谱资源的合理利用成为研究热点。相对于Ad-hoc以及传统蜂窝网络通信,设备到设备通信方式更符合车联网的短距离传输特性。车联网中车到车通信方式以及信道复用技术可有效缓解无线资源稀缺问题。然而复用技术将带来用户间复杂的干扰问题,因此干扰管理在车联网通信中尤为重要。此外在车联网中,车辆行驶时通信环境快速变化使得信道增益存在不确定性。更加准确的信道增益描述以及信道不确定性的处理也特别重要。基于车辆位置信息、道路状况、通信用户以及基站(Base Station,简称BS)位置信息,对车联网动态通信链路的信道增益进行描述。信道增益的不确定性使得最优功率求解出现困难,因此本文设计鲁棒功率控制来实现最优功率的求解。首先,针对车到车链路和车到人链路的信道状态信息(Channel State Information,简称CSI)存在延时问题,建立了包含通信延时时间和车速信息的动态通信链路模型。并且车到车链路中信息延时和动态通信环境导致信道增益的不确定性。基于此考虑了在不确定约束条件下以最大吞吐量为目标的优化问题。针对信道的不确定性采用两种误差模型完成对不确定约束条件的转化。对于非凸问题通过连续凸逼近完成凸近似转化。最终设计鲁棒功率控制算法实现最优功率求解。其次,针对频谱利用率低的问题采用一对一复用方式,在提高频谱利用率的同时可以很好的降低干扰从而提高通信质量。以系统能效最大化为优化目标,考虑了信道不确定性约束。信道不确定性通过概率约束进行转化。最优功率采用鲁棒功率控制算法求解。目标函数非凸问题通过分式规划进行解决,且实现了三种匹配策略下的能效对比。最后,由于5G具有传输速率快,延时短等特点更加符合车联网的场景需求。因此将车联网通信场景在5G环境中进行扩展。并且5G技术中的串行干扰消除(Serial Interference Cancellation,简称SIC)技术可以进一步提高通信质量。以吞吐量最大化为优化目标,考虑了不确定约束条件下的优化问题。对于信道的不确定性通过概率约束进行转化。设计鲁棒功率控制来进行最优功率求解,通过匈牙利算法以最低的算法复杂度得到吞吐量最大匹配。