随着无线通信网络的迅速发展和多媒体业务需求的日益增长，有限的频谱资源和业务服务质量(Quality of Service, QoS)要求不断增长之间的矛盾日益尖锐。为了缓解这一矛盾，无线网络资源分配技术成为当前无线通信领域研究的热点，并且正交频分复用(Orthogonal FrequencyDivision Multiplexing, OFDM)技术的独特优势为资源分配提供了灵活的自由度。因此，OFDM无线网络中的资源分配问题在近几年得到了广泛的关注。本文研究了OFDM无线网络中的资源分配算法，重点研究了蜂窝网络、无线局域网和无线Mesh网络的资源分配问题。本文在前人工作的基础上，对前人工作进行了改进，主要工作如下：针对上行多用户多输入多输出正交频分复用(Multi-Input Multi-Output Orthogonal FrequencyDivision Multiplexing, MIMO-OFDM)蜂窝网络的资源分配问题，在考虑各用户最小传输速率需求和TCM编码的情况下，以最小化蜂窝网络平均消耗总功率为目标提出了一个基于有限反馈的资源分配算法。该算法首先根据拉格朗日乘子法和凸优化理论中Karush-Kuhn-Tucher条件设计发射速率码本、发射功率码本和等效信道量化门限码本，然后基站根据各用户当前的信道状态信息分配子载波并对等效信道增益量化，最后基站广播资源分配结果。该算法不仅有效降低蜂窝网络平均消耗总功率，而且具有有限反馈的特点。针对上行多用户MIMO-OFDM蜂窝网络的资源分配问题，在考虑尽力而为业务和TCM编码的情况下，以最大化网络吞吐量为目标提出了一个基于有限反馈的资源分配算法。该算法首先根据发射模式码本和用户的误比特率需求定义各用户当前时刻的有效发射模式集合，其次根据拉格朗日对偶法和凸优化理论中的Karush-Kuhn-Tucher条件推导了各用户链路质量指示函数；最后，根据次梯度迭代的方法更新拉格朗日乘子。该算法在不仅能提高蜂窝网络的吞吐量，而且具有有限反馈的特点。针对单用户MIMO-OFDM蜂窝网络的资源分配问题，在考虑延时信道状态信息和信道编码情况下，以最大化吞吐量为目标提出了一个低复杂度的资源分配算法。该算法首先利用延时信道状态信息推导了考虑编码增益的保证用户误比特率需求的星座距离表达式；然后证明了该优化问题是凸优化问题，并根据拉格朗日乘子法和凸优化理论中Karush-Kuhn-Tucher条件推导了最优比特和功率加载的封闭形式解；最后通过加载的比特取整和功率调整得到最终的资源分配解。该算法不仅能有效逼近单用户整数比特加载时的最优吞吐量，而且具有计算复杂度低的特点。针对下行多用户MIMO-OFDM蜂窝网络的比例公平资源分配问题，在考虑延时信道状态信息和用户比例速率权重的情况下，以最大化应用时间窗内的网络吞吐量为目标提出了一个基于应用时间窗的比例公平算法。该算法首先把基站总功率在各子载波上等功率分配，并且把网络中的每个用户按照其比例速率权重映射为相应数目的虚拟用户；然后根据运筹学中影子价格(Shadow Price)的概念定义虚拟用户在子载波上接入时间分配准则；最后根据子载波接入时间分配准则和分类的影子价格得到最终的子载波接入时间百分比。该算法不仅能保证用户的公平性，而且能有效提高网络吞吐量。针对上行多用户MIMO-OFDM无线局域网的跨层资源分配问题，在考虑多包接收和用户数据包长度的情况下，以最小化传输时间为目标提出了低复杂度的基于多包接收跨层资源分配算法和改进的基于多包接收跨层资源分配算法。首先，研究了在物理层采用基于波束形成的MIMO-OFDM传输技术和在媒体接入控制(Media Access Control, MAC)层采用基于多包接收的分布式协调功能(Distributed Coordination Function, DCF)协议；然后，根据Huang文献的无线局域网基于多包接收的数学优化模型提出了一个低复杂度的跨层资源分配算法，该算法在网络性能和计算复杂度之间取得良好的折中；最后，针对Huang文献的数学优化模型不足进行了修改，即把网络的总功率限制用各个用户的最大功率限制替代，并在此基础上提出了一个改进的基于多包接收跨层资源分配算法，该算法不仅能有效提高网络吞吐量，而且能降低平均包延时。针对基于OFDM技术的多跳无线Mesh网络资源分配问题，在各链路最大发射功率限制和满足各链路实时业务传输速率需求的情况下，以最大化网络效用函数为目标提出了一个联合考虑功率、时隙和子载波的资源分配算法。该算法首先根据语音业务和视频业务的特点为各链路的实时业务分配时隙-子载波对，并且为各链路语音业务和视频业务设计服务区分机制；然后把一帧中剩余的时隙-子载波对分配给边际效应最大的链路来增加网络的数据业务吞吐量；最后根据注水原理进行功率分配。该算法不仅能保证网络语音业务和视频业务的QoS要求，而且能有效提高数据业务吞吐量。