当今用户的通信质量要求日益提高，对于无线资源的需求也随之增加。由于无线资源的匮乏和网络容量的有限，移动数据量的激增给传统的蜂窝网络架构带来严峻的挑战。异构网络的出现在一定程度上解决了资源紧缺的问题。通过在传统的宏蜂窝的基础上部署不同类型的通信网络，系统容量和室内覆盖的能力得到明显的改善。然而多种通信方式的共存使网络环境变得更加复杂，导致了同频干扰、负载分布不均、用户服务质量得不到保障等问题。如何将异构网络中的无线资源进行合理有效的管理,仍然是亟需解决的问题。本文从定价的角度，分别针对四种不同的异构网络场景的无线资源分配问题进行研究，包括基于拥塞定价的蜂窝选择和频谱分配、基于激励补偿的流量卸载，云异构网络的无线资源管理以及蜂窝网-车载网模式选择和资源分配。通过对资源定价,既能够缓解网络拥塞，提高用户的满意程度，又能使各网络实体效用得到保障。本文的研究方法包括凸优化、微观经济学、博弈论、系统仿真等方法。　　首先提出了异构网络中基于效用最大化的蜂窝选择和频谱分配方案。策略式的蜂窝选择方式会造成负载不均、资源利用率低下等问题。基于效用最大化的蜂窝选择方法不但可以使用户总满意度最大，而且能实现系统容量的提升和负载均衡。针对femtocell工作在开放模式的场景，提出了对数效用最大化的蜂窝选择机制并设计了基于影子价格调控的分布式迭代算法。仿真结果表明，该机制能够对系统吞吐量带来较大提升。针对femtocell工作在混合模式的场景，提出了基于网络效用最大化的机会主义的蜂窝选择方案，同时第三方采用拥塞定价策略来控制蜂窝间的负载均衡。设计了基于影子价格和负荷价格调控的分布式迭代算法。仿真结果表明该方案能在拥塞情况下提高吞吐增益，负载均衡也得到改善。　　其次设计了异构网络中基于激励补偿策略的流量卸载方案。首先针对运营商和第三方共存的场景下，设计了一个激励定价机制。该机制下运营商补偿给第三方补偿以换取频谱共享。设计了一种激励定价函数，补偿会随着共享频谱比例的增加而非线性增加，激励因子可以控制补偿的力度。斯塔克伯格博弈分析确定最优的激励因子和最优共享频谱比例。分析表明，采用激励定价机制提供补偿，运营商和每个femtocell持有者的效用都得到了较大提升。此外针对蜂窝网和物联网共存的异构网络中，设计了一个用户补偿机制流量卸载方案，运营商向用户提供补偿激励用户变成D2D(device-to-device)簇头对周边用户提供D2D服务，被补偿的用户分享补偿后决定复用频谱的比例。斯塔克伯格博弈分析确定最优运营商补偿值和D2D簇头用户的最优复用频谱比例。分析表明，该方案能实现运营商和D2D簇头用户的共赢。　　再次提出了云异构网络中基于定价调控的资源管理方案。首先提出了基于干扰定价的蜂窝休眠和用户接入方案。在该方案中，基站的工作状态由云计算中心控制。提出了一种分布式的启发式算法使得用户总效用最大化。该算法中云计算中心为每个基站分配价格，该价格与基站所提供的干扰成正比，用户在对系统容量干扰最少的基站中进行选择，云计算中心对没有被用户选择的闲置基站进行休眠。仿真结果表明,该方案在相同的能耗下实现了系统吞吐量的较大提升，在大规模网络中增益更为明显。此外设计了基于流量预测的蜂窝选择方案。该方案利用了云平台中的数据分析模块，云计算中心对用户的流量需求进行预测，提前掌握用户的流量需求的变化规律。设计了基于系统吞吐最大化的蜂窝选择算法，对基站业务负载进行定价，迭代过程中用户尽量避免接入业务量较重的基站进行接入。仿真结果表明，该方案可以实现吞吐量增益的提升，满意用户的数量也有所增加。　　最后设计了在蜂窝网-车载网异构网络中优化的接入模式选择和资源分配方案。在该方案中，车载用户可以在基于D2D通信的车载网中和传统的蜂窝网中进行接入模式选择，宏蜂窝用户选择最优的服务基站进行接入以达到用户总效用值最大化。由于车辆的高速移动特性，推导了时延保障的车距的阈值。设计了基于影子价格调控的分布式迭代算法。仿真结果表明相对于该方案能实现更高的系统吞吐量。加入功率控制后,吞吐增益会更加明显。