基于LED的可见光通信(Visible Light Communication,VLC)以其具备丰富的频谱资源、节约能源且绿色环保等优点,成为室内无线通信领域极具前景的接入技术,LiFi技术以LED照明光源作为接入点(AP)构建微小蜂窝网络则成为近期的研究热点。为解决LiFi网络存在的同信道干扰和传输链路易出现中断的问题,本文围绕LiFi网络中频谱资源的分配以及LiFi/WiFi混合网络中接入点分配的问题进行了研究。针对LiFi网络下行链路性能进行了详细的分析。以DCO-OFDM VLC系统的下行链路作为分析目标,基于六边形网络模型(HEX)和随机泊松点过程模型(PPP),对网络的信干比统计特性进行了建模仿真,分析了系统的数据率性能。构建了特殊应用场景下LiFi网络的一维扩展网络模型并给出了性能分析,讨论了频率复用因子对信干比(SINR)和数据率的影响。针对LiFi网络频谱资源的分配,探讨了 LiFi网络中的部分频率复用技术。以实际应用场景为研究目标,提出了应用于地铁车厢的光通信Rectangle网络结构模型。将直接部分频率复用和软频率复用方案应用到模型中,分析了不同方案下用户的SINR性能,以及单元平均频谱效率和边缘区域频谱效率性能,并给出构建地铁可见光通信网络的推荐方案。针对室内LiFi/WiFi混合网络中接入点分配问题进行了研究,充分考虑网络用户数量和位置的动态变化,在基于数据率切换阈值的动态负载平衡算法的基础上,提出动态切换阈值和最小数据率约束等两种AP分配方法,分析了提出方法对系统中断概率和用户数据率性能的影响。针对室内LiFi/WiFi混合网络的未来网络状态动态未知的情况,基于强化学习中Q-learning算法,通过目标用户和环境不断交互实时学习的方式获得AP选择策略,构建基于SINR强度划分区域的网络模型。对于LiFi AP覆盖范围有限,用户服务AP切换频繁的问题,引入合理设置切换损耗因子的方案,在保证用户数据率性能的同时有效地降低了服务AP的切换次数,同时,结合案例推理算法,提高了 Q-learning算法的收敛速度。