随着智能设备的爆炸式增长,数据流量需求激增,对网络的吞吐量有了更高的要求。由小蜂窝和宏蜂窝构成的蜂窝异构网络,可以提高频谱利用率,提升网络吞吐量。将认知无线电技术与小蜂窝结合形成认知小蜂窝网络可以有效解决干扰问题,并进一步提升频谱利用率。此外,未来5G网络中将会部署大量边缘云,用户设备任务可以卸载到边缘云处理,以保证低时延高速率需求。本文着重研究5G蜂窝异构网络中干扰管理、频谱资源分配和计算资源分配问题。本文首先研究认知小蜂窝网络中干扰管理和频谱资源分配问题。首先,在给定的网络平均中断概率阈值下,可计算得出信道复用半径的最优范围。其次,为保证频谱资源分配的公平性,提出了一种基于公平性的分布式频谱资源分配算法,优先选择“满意度”较低和“需求度”较高的基站分配频谱资源。同时,为最大化网络吞吐量,把信道质量较好的信道优先分配给其对应的基站。最后,考虑到通信的潮汐效应,热点区域的基站可以重用部分频谱资源,进一步提升吞吐量。仿真结果表明,所提算法可以显著提升网络吞吐量,保证网络平均中断概率,同时确保基站之间频谱资源分配的公平性。基于以上结果,为最小化系统总开销(包含任务计算时间开销和能量开销),本文提出一种基于移动边缘计算的任务卸载和资源分配联合优化方案。此方案将任务卸载决策、资源块分配、计算资源分配联合建模为一个系统开销最小化问题。原始非凸优化问题被分解为三个子优化问题求解。首先,考虑到实际网络中用户设备时延敏感度不同,提出一种基于用户设备时延优先级的分布式资源块分配算法,根据用户设备的时延敏感度把用户设备分为不同优先级,高优先级用户设备优先分配资源块,同时保证低优先级用户设备通信质量。其次,每个用户设备根据任务本地计算开销和任务卸载计算开销做出卸载决策。最后,以最小化总卸载任务在移动边缘计算服务器的总执行时间为目标,为用户设备分配计算资源。理论分析和仿真结果表明所提出算法具备较低复杂度,并且可以有效降低系统总开销。