随着移动物联网的飞速发展和智能终端的大量普及,未来移动通信网络将涌入海量连接设备,所传输的流量也将会呈现出指数级增长,产业能耗以及运营成本也急剧增加。在网络流量和功耗双重因素作用下,产业界和学术界将重新思考移动通信网络的设计、部署和管理方式。由于异构网络能提升系统容量,降低碳排放,减小运营开支和基建开支,顺应绿色可持续发展趋势,网络异构化已成为了未来移动通信新的发展方向。因此,致力于异构组网模式,提高系统频谱效率和能量效率,降低系统能耗和单位比特成本,构建一个能够提供无处不在的高速数据传输服务和更加绿色的移动生态系统是十分具有研究价值的。本论文研究内容包括:(1)为了提高可用频谱利用率,促进促进不同制式无线接入网的融合,结合认知无线电技术,解决了异构无线网络中频谱分配的难题。考虑异构无线网络中各接入网的频谱需求,接入网之间的重叠覆盖干扰和对应不同接入技术的多粒度重叠信道干扰等约束条件,基于量子计算理论和智能计算算法,提出了两种新的频谱分配方法,即采用单链编码的单目标的量子声搜索算法和双链编码方式的多目标的量子花授粉算法。并与经典的量子遗传算法、克隆选择算法等频谱分配方法在不同目标函数下进行了比较,验证了设计的算法简单高效。(2)为了满足未来绿色通信的发展需求,研究了基于信能协同传输的异构云无线接入网高能效资源分配技术。以能量效率最大化为目标对系统进行建模,在信息传输的同时完成能量的采集,在降低能量和单位比特成本的同时,延长移动终端续航时间,为用户提供无所不在的服务和高速连接。首先,为了解决提出的非凸优化问题,根据Dinkelbach关于分数规划的思想将目标函数进行等价转换。然后给出对偶问题,并利用Lagrange对偶分解方法,通过迭代算法导出了最优功率和资源块分配的闭合表达式。仿真分析了最大化系统能量效率和频谱效率的性能,并验证所提算法在满足用户最小信息传输速率与最小采集能量需求、跨层干扰限制和最大发射功率限制的同时,可经过较少的迭代次数收敛到能量效率的最大值。