随着5G技术发展与应用推广,各种智能终端设备的数量呈现爆炸式的增长,使得人们对于通信带宽、通信时延等提出了更高的要求。毫米波波束成形是解决下一代移动网络关键性能指标的重要技术之一。而C-RAN及其衍生网络架构能够有效提升毫米波波束成形的性能。人工智能技术也随其在理论和实际应用中的发展而被广泛应用到通信领域。本文以5G云无线接入网为研究背景,以面向5G、B5G甚至6G通信的绿色通信和智能化通信为研究目标,对毫米波通信中的波束资源管控技术进行了研究。本论文的研究工作与贡献如下:（1）本文首先将基于光真时延模块的集中控制波束成形系统扩展至多小区多用户通信场景,使其适配RRH密集部署的C-RAN架构。部署于BBU池中的光真时延模块为多小区基站提供用户所需要的服务波束模式。同时相较于传统方案中为每一个基站部署一个光真时延模块,本文提出了一种可以节约部署约一半物理资源的波束资源分配方案,即为多小区系统中的n个基站部署「n/2（?）个光真时延模块,从而可以有效降低系统物理资源部署的复杂度和部署成本。提出的非最优概率表明,用户之间需要的服务波束模式发生冲突的概率很小。（2）在基于光真时延模块的多小区集中控制波束成形系统的基础上,本文为BBU池中产生服务波束模式的光真时延模块设计了卷积神经网络来使此系统适应智能化移动通信网络,并提出了基于卷积神经网络的波束资源分配方案。在本方案中,卷积神经网络在生成训练数据时引入噪声,提出的遍历码本编码设计算法能够以系统频谱效率最大化为优化目标获得训练数据的输出标签,因此在预测阶段可以接受一定程度损坏的信道矩阵作为输入,并输出性能良好的预编码器FRF和WRF,具有较强的抗干扰能力。研究结果表明,与传统的方案相比,除了具有更好的性能,所提出的资源分配方案得益于卷积神经网络大量的训练数据,可以更快地输出结果,降低通信时延。