随着5G时代的到来,物联网应用的大量部署,边缘无线网络迫切需要更大的网络容量、更小的传输延迟和更高的频谱利用率来支撑数据流量的爆炸式增长和多样化的应用需求。作为5G候选技术的带内全双工技术凭借着可以在同一频率上同时收发报文实现频谱利用效率的倍增,得到了学术界和业界的广泛关注。然而,如何利用全双工技术点到点之间的潜在通信优势,实现网络级的性能提升,需要介质访问控制(MAC)层和更高层协议的配合。其中,MAC层协议的性能直接关系到上层协议的表现,决定了上层协议的网络性能上限。因此,本文重点研究全双工MAC协议的设计与实现。为了解决无线全双工信道竞争中的节点间干扰和非对称流量问题,本文首先提出了一种新型的集中式全双工MAC协议,pFD-MAC。在该协议中,本文设计了一种基于轮询的传输机制,并对轮询策略在全双工网络中的影响进行了研究。通过将节点间干扰特征表征为有向非冲突图,将全双工网络中的轮询策略生成问题进行了理论建模,并证明该问题是NP难问题。为了可以在报文传输的同时并行快速的生成轮询策略,设计了一个流量感知的启发式算法。采用该算法生成的轮询策略,使得接入点(AP)可以有效地利用全双工通信机会,实现报文的高效并行传输。此外,为了在不牺牲网络吞吐率的情况下保证公平性,本文将并行传输时间纳入公平性评估标准中,并针对新的公平性评估标准改进了现有的差额轮询(DRR)算法。仿真结果表明,与现有的两种集中式MAC协议相比,pFD-MAC协议在保持公平性的同时,可以在网络吞吐率和传输延迟方面获得更高的性能。考虑到集中式传输调度的局限性和网络通信环境动态变化的特点,本文提出了一个基于载波侦听多路访问(CSMA)机制的分布式全双工MAC协议。在该协议中,假设接入点使用全双工通信模式而终端工作在半双工模式。为了充分利用全双工传输以提升网络性能,本文以最优化网络吞吐率为目标,将全双工中的传输调度问题转化为一个多臂赌博机问题。为了自适应地解决动态通信环境中的全双工传输调度问题,设计了一个具有在线学习功能的基于窗口约束的贝叶斯优化算法,主要包括:1)重新设计了奖励函数以激励全双工吞吐率提升;2)引入学习增幅因子以提升算法收敛速度;3)增加窗口约束函数以提高算法对动态通信环境的适应性。此外,本文还设计了一种基于两次握手机制的报文传输流程,并对该机制使用马尔科夫链进行了理论建模分析。仿真结果表明,本文提出的分布式全双工MAC协议可以提高全双工通信的利用机会,且可以在动态变化的通信环境中保持稳定的网络性能。最后,考虑到基于AP的无线网络中,全双工AP的部署不但影响着网络覆盖质量还一定程度决定了全双工传输机会,本文从全双工AP部署的角度对优化MAC协议的全双工传输机会进行了研究。首先,从理论上推导了不同AP部署方案下的全双工传输概率密度函数,分析了不同的全双工AP部署方案对于网络吞吐率的影响。分析结果表明,优化AP部署策略可以获得更多的全双工传输机会,进而有效地提高网络性能。其次,以获得最优化网络吞吐率为目标,对全双工AP部署问题进行了建模,将AP部署问题表述为一个整数非线性规划问题。为了有效地求解该问题,本文设计并实现了一种基于局部束搜索的启发式算法。通过仿真实验,深入比较了全双工AP部署与传统半双工网络的不同,以及不同的全双工AP部署策略对全双工网络吞吐率的影响。实验结果表明,本文提出的启发式算法在全双工AP部署问题中可以以较低的代价逼近网格搜索算法获得的最优解。