随着移动互联网时代的来临,传统的无线接入网将面临越来越多的挑战。在下一代移动通信5G中提出了面向绿色演进的云无线接入网(C-RAN)架构,它具有集中化、协作化、云计算化的特点。其中集中化基带处理可以大大减少覆盖同样区域所需要的基站的数量;协作化的无线远端模块和天线可以提高系统的频谱效率;云计算化的基站虚拟技术可以降低成本、共享处理资源、减少能耗、提高基础设施利用率。然而C-RAN中的集中处理和大规模协作传输实际上需要全局协调、调度和控制,其计算复杂度通常随着网络规模的多项式增加。在未来的C-RAN中,由于数据率要求高,轻量级射频拉远头(RRH)被密集部署时,整个网络的通信资源将变得十分有限以及服务器进行全局协调的计算开销不再可以被忽略。因而随着网络规模的显著增长,服务器的计算能力正成为部署C-RAN网络时需要考虑另一个重要因素。因此,研究云无线接入网中的通信和计算资源分配算法,提升系统吞吐量和降低传输时延,从而提升用户服务质量(QoS)具有重要的理论意义和实用价值。首先,本论文对云无线接入网中集中式计算资源约束的多小区分簇联合处理问题进行了分析。在C-RAN架构中,集中式联合处理可以通过避免小区间的干扰而比常规的每个小区分别处理有着更显著的性能增益,但是由于其所带来的庞大的计算复杂度给整体网络进行全面的协作是不可行的。本文对不同小区进行分簇,然后在同一个簇内进行迫零(ZF)联合预编码处理后再进行信号传输。同时本文使用每秒中央处理器(CPU)浮点运算次数(FLOPs)来描述计算资源,并将其直接与信号处理算法的计算复杂度相关联,从而将问题建模为一个组合优化问题。由于组合优化问题是NP难题,考虑到为了使整个系统总数据速率的最大化,本文通过松弛和连续凸近似(SCA)技术来重新描述目标函数和计算资源约束。并且利用这一问题的特殊结构,提出了一种低复杂度的RRH分簇和功率分配算法,并进行迭代求解。本文还证明了所提出的迭代算法的收敛性以及对该算法进行了仿真评估,以显示其优于传统算法的吞吐量性能。接下来,本论文研究了云无线接入网中分布式计算资源约束的多小区分簇联合处理问题。与之前集中式C-RAN架构不同的是,分布式C-RAN中具有多个计算服务器基带处理单元(BBU)同时进行信号处理以及联合传输,RRH和BBU之间不同的匹配方式也会导致之间前向回传(fronthaul)链路选择的不同。分布式化处理能大大减轻前向回传链路的负担,避免集中式基带中高复杂度的信号处理。本文中前向回传链路上的基带信号量化处理过程利用计算资源来进行描述。考虑到该组合优化问题中的非线性计算资源约束条件,本文将吞吐量最大化问题映射成为组合拍卖问题(CAP)。为了针对这个问题是NP难题性质,本文基于加权独立集问题(WISP)中的方法提出了一种贪婪算法,并通过利用分布式C-RAN中的属性来获得组合拍卖问题的可行解,然后通过加权独立集问题中的局部α改进算法来逐步提高性能。本文还利用仿真结果证明了该算法收敛性以及它相比于其它算法的优越性。最后,本论文对计算资源约束的多小区分簇联合处理问题进行了时延优化。在云无线接入网中,考虑突发业务到达时的网络拥塞性能也是至关重要的,特别是对于延迟感知业务。因此研究如何降低通信时延,提高用户QoS也是至关重要的。本文在最大化吞吐量的组合优化问题模型基础上加入考虑了排队延迟,将延迟感知优化问题转换为了相应的马尔科夫决策过程来进行解决。由于相对应的贝尔曼方程组具有指数级别的数量难以直接求解,本文通过采用了一种随机逼近的方法:在线Q-学习方法来获得所需要的目标函数,并通过分步迭代最后使算法达到收敛。