最近,随着智能电子设备和OTT应用的激增,导致数据流量需求的指数增长,无线网络已经从传统的以连接为主的通信(如电话和短信)转变为以多媒体内容(如视频和内容共享)为主的通信。为了适应这种流量需求的变化,提高资源利用率并降低网络部署成本,C-RAN(cloud radio access networks)有望成为5G网络中极具变革性的架构。C-RAN的典型特点是将传统基站分解为基带处理单元(BBU)和无线射频拉远头(RRH)。由于C-RAN架构的灵活性,使它在网络资源管理和技术融合方面显示出了巨大潜力。在此背景下,本文从C-RAN架构出发,综合利用无线通信资源、计算资源和缓存资源,以降低系统功耗为目的,对C-RAN中的资源分配策略进行了研究。本文的主要贡献如下:首先,本文对C-RAN架构的研究背景、意义和发展现状进行调研,阐述了 C-RAN中资源管理的重要性,并总结了本文所涉及的一些关键技术应用。然后,在满足用户时延约束的条件下,综合考虑BBU池中的计算资源和RRH端的无线通信资源,对C-RAN中的跨层资源分配策略进行了研究。利用排队论的思想,将云处理过程和传输过程描述成一个两次排队模型,建立的优化目标是通过动态调整BBU池中软件定义的虚拟机(VM)、RRH和用户之间的映射,在确保用户时延限制的同时最大限度地降低系统功耗。并采用改进的遗传算法进行该优化问题的求解。最后将提出的算法与DL算法进行对比,通过仿真验证算法的有效性和可行性。最后,为了减少前传和回传链路的功率开销,本文在C-RAN架构中引入了缓存机制。提出了一种协作分层缓存放置策略,即在BBU池和RRH端分别放置云缓存和边缘缓存。并在RRH最大发射功率限制和用户传输最小速率限制条件下,建立系统功耗最小化的优化模型,并采用遗传算法进行求解。最后通过仿真验证了提出的缓存策略和算法的有效性,并给出了不同情况下的仿真结果。