5G异构云无线接入网络(H-CRAN)使用D2D(Device-to-Device)通信能够大幅度提升网络性能,是5G通信应用中的重要技术。但在通信过程中远端无线射频单元用户和D2D用户(统称为非宏蜂窝用户)需要复用宏蜂窝用户的通信资源,这会对宏蜂窝用户造成干扰。因此,如何在H-CRAN中合理分配资源以抑制干扰成为亟待解决的问题。本文以提升系统吞吐量为目标,针对两种不同的网络场景提出两种不同的资源分配方法。主要内容如下:(1)针对H-CRAN中非宏蜂窝用户数目小于或等于宏蜂窝用户数目时的资源分配问题,提出一种基于双边匹配理论并符合卡尔多-希克斯效率的资源分配算法。首先构建网络模型并建立非宏蜂窝用户和宏蜂窝用户之间的双向偏好列表;接着在偏好列表的基础上,采用双边匹配理论中的Gale-Shapley算法得到双方的初始匹配;最后,运用符合卡尔多-希克斯效率的资源交换策略对初始匹配进行调整,得到最终资源分配结果。(2)针对H-CRAN中非宏蜂窝用户数目大于宏蜂窝用户数目时的资源分配问题,提出一种基于双深度Q网络的集中式资源分配算法。首先根据网络模型定义状态空间、动作空间以及奖励函数;接着采用e-greedy探索开发策略获取部分样本存储于经验池;为了加快神经网络训练速度,运用随机优先级抽样和重要性抽样从经验池中获取样本;为了避免维度灾难和过度估计问题,采用双神经网络进行训练;最后,根据训练后的神经网络模型得到在不同状态下的资源分配结果。(3)设计仿真实验,通过与相关方法进行对比,验证本文方法的有效性。