目前,通信技术已经应用到了社会生活的方方面面,其中,无线中继通信技术又是通信领域中的研究重点。相较于传统无线通信,无线中继通信系统的应用场所更加灵活,信号覆盖区域更广并且通信质量更有保障。另一方面,正交频分复用技术（Orthogonal Frequency Division Multiplexing,OFDM）具有频谱资源利用率高和抗频率选择性衰落能力强等特点。因此,将中继技术和OFDM技术相结合应用于无线通信系统能显著提升系统的通信性能。但是,引入新的中继节点必然会引入新的能耗,从而增大通信系统的能量开销,因此系统的功率分配问题就变得尤为重要。本文正是对该问题进行了研究,并提出了一种低复杂度的功率分配算法,以达到有效降低OFDM中继系统总体能耗的目的。本文的主要研究内容如下:（1）本文研究了一个包含三个单天线节点的OFDM通信系统的功率分配问题。本文通过联合优化源节点和中继节点在各个子载波上的传输功率,实现系统以最小功耗代价满足用户的服务质量需求。这是一个复杂的多变量耦合非凸优化问题,难以获得全局最优解。为此,本文首先利用拉格朗日松弛算法将用户服务质量（Quality of Service,Qo S）约束条件合并到优化问题的目标函数中,解耦了不同子载波各自对应的功率变量;接着,引入块坐标连续上界最小化方法交替更新各功率变量,最终求得原问题的高质量次优解。最后通过实验说明本算法的优化性能。（2）本文考虑使用深度神经网络（Deep Neural Network,DNN）来学习（1）中提出的优化算法,其基本思想是使用神经网络结构来代替优化算法输入与输出的非线性映射关系。首先,本文通过仿真工具运行上述优化算法,得到神经网络所需的数据集。其次,本文搭建神经网络模型,确定网络结构设计、选择激活函数、学习率以及训练批量大小。接着,本文从改进损失函数、选择最优网络层数以及隐藏层节点数这三个方面进一步优化网络,从而提高网络的学习速度和拟合精度。最后,本文将神经网络预测的数据和运行优化算法所得到的仿真数据进行对比分析,并且比较两种方法的运行时间,证明神经网络模拟优化算法的高效性和实时性。