人们对无线通信业务的需求不断增长,但是可供使用的频谱资源却越来越紧张。只有不断提高无线通信系统的频谱利用率才能在一定程度上解决这种矛盾。设计性能优越的调度算法是提高频谱利用率的一个有效的措施。因此调度算法的设计一直备受各界的关注。但是调度算法的设计存在很多挑战和困难。首先发射端无法得到理想的信道信息,这使得很多信道自适应调度算法无法实施。其中一种折中的方案便是利用用户的反馈信息,但是过大的反馈开销会使系统负荷增加过大而导致整体性能的下降。其次便是小区边缘用户的服务质量问题。传统的集中式天线系统往往以损失小区整体性能为代价来提升边缘用户的服务质量。而分布式系统则通过将天线散布在小区中,从而减小了接入距离而天然的提高了频谱效率,尤其是边缘用户的频谱效率和服务质量。针对有限反馈的问题,本文提出了一种跨层优化的算法,其利用了媒体访问控制(MAC)层的确认字符(ACK/NAK)信息和物理层周期反馈的用户信噪比(SNR)信息。该问题在本文中被建模成一个带有跨层观测信息的部分观测马尔科夫决策过程(POMDP),同时为了降低复杂度,本文利用了一个简化的模型使其能够应用于实际的系统中。系统仿真显示本文提出的算法的性能十分接近理论上限,并且通过利用ACK/NAK信息而大大减小了系统的反馈开销。传统DAS研究中,均假设接收端的合并算法是理想的。但是随着合并路数的增加,MRC等合并算法的性能对信道的误差也就越来越敏感,当路数大于8时,甚至可以达到2dB的性能损失。因此本文为了使得选择的端口稀疏化,构建了一种新的优化算法框架：L1范数约束。针对DAS系统中的天线选择问题,本文提出了一种该问题的贪婪解：第一步根据大尺度衰落为每个用户确定服务的天线端口；第二步松弛约束,利用注水算法为每个载波分配功率；第三步将每个载波上的功率分配到选中的天线端口上；最后一步通过求解整数规划问题去得到最终解。仿真结果表明,天线选择更加稀疏,而且性能损失很小。针对DAS系统中的资源分配问题,其同样带有L1范数的约束。该问题被规划成以最大化系统频谱效率为目标。本文通过将其转化成对偶问题来求解,并且将对偶问题分解成多个独立的子问题来进行求解,并从解析几何的角度给出了子问题的最优解。仿真结果表明,该算法收敛速度快,而且性能优于集中式系统。