随着5G智能设备的普及,无人驾驶、增强/虚拟现实和智慧城市等计算密集型应用高速发展,业务流量飞速上升,其计算需求远超于移动设备的处理能力。为满足计算密集型应用业务的低延时、高质量的计算需求,移动边缘计算（Mobile Edge Computing,MEC）技术应运而生,成为了5G的关键技术之一。边缘服务器将云中心的计算、存储、频谱等资源下沉到网络边缘的终端设备,为附近的用户提供高可靠、低时延的计算服务,从而满足新兴业务对高服务质量和高计算能力的需求。移动设备的无线接入需求持续上升,而边缘服务器频谱资源却十分有限,这两者之间的矛盾给移动边缘网络的资源分配带来了巨大的挑战。如何合理、公平地分配网络边缘的频谱资源是移动边缘计算网络亟待解决的重大问题。本文将在移动边缘计算网络中引入认知无线电技术,对边缘网络的资源管理展开研究。本文的主要研究内容与创新点如下:第一,针对单小区单个主用户的认知移动边缘网络,为提高次用户对空闲频谱的竞争力,提出了一种基于联盟博弈的稳定用户配对算法。文中首先根据用户偏好采用联盟博弈策略,建立了一对一的用户配对模型。其次,对次用户的延时、传输功率、偏好程度进行了综合考虑,构建了一个以最大化系统效益为目标的非凸优化问题。利用拉格朗日乘数法与KKT（Karush-Kuhn-Tucker）将问题转化为可求解的多目标优化问题,并采用梯度下降法进行求解。仿真结果表明所提出的算法快速达到收敛值,网络系统效益高,并提升了用户对频谱资源的竞争力。第二,基于上述算法的研究,为进一步提高移动边缘计算网络频谱资源的利用率,提出了一种基于稳定用户配对的资源分配策略。首先,对移动边缘计算网络的帧结构进行优化设计,并根据帧结构中控制时隙的要素对配对服务进行等级分类。其次,提出了基于稳定户用配对的资源分配协议。仿真实验表明所提出的资源分配方案可以有效地管理频谱资源,与多种算法的资源分配方案进行对比分析,证明了该方案可以有效提升网络的系统容量、延时、公平性等性能。第三,针对多小区多个主用户的移动边缘网络场景和无线接入点资源受限的情况,提出了一种基于匹配理论的联合优化计算卸载与频谱分配方案。文中对用户的卸载效益及配对效益进行分析,建立了以最大化网络社会福利为目标的优化函数,提出了一种动态的任务卸载与资源分配机制。仿真结果表明所提出的机制在不同的用户数量和信道数量下均能获得更高的网络社会福利。