车联网（Vehicle to Everything,V2X）作为物联网在交通系统中的一种重要表现形式,涵盖了车辆与车辆（Vehicle to Vehicle,V2V）,车辆与行人（Vehicle to Pedestrian,V2P）,车辆与基础设施（Vehicle to Infrastructure,V2I）等类型的通信。其中V2V与V2I是解决交通安全问题的关键技术。因此,本文将重点围绕着关于V2V与V2I通信的车联网无线资源分配问题展开研究。主要工作如下:首先,本文概述了当前车联网与非正交多址技术（Non-Orthogonal Multiple Access,NOMA）的研究现状。介绍了当前两个车联网标准下的资源调度方案,并分别进行了MAC层资源调度的探究。仿真结果表明,带有冲突避免的载波侦听多路访问（Carrier Sense Multiple Access with Collision Avoidance,CSMA/CA）协议无法有效处理多个终端竞争同一资源的问题,而基于感知的半持续调度（Sensing-Based Semi-Persistent Scheduling,SBSPS）可通过侦听过去资源的使用状况应对此类资源竞争的问题,但该方案存在着频谱利用率较低的缺陷,因此可得出结论:当前标准的资源调度方案无法在服务质量、频谱利用效率以及系统吞吐量方面展现出全面的优势。随后引入了一个基础的下行NOMA系统模型,并推导出了一个重要推论:下行NOMA系统的系统吞吐量与功率分配因子成正比。由于现有标准里的MAC层资源分配方案存在着不能有效处理资源竞争或者频谱利用效率较低的缺陷,为提高车联网系统下的频谱效率以及系统吞吐量,本文研究了在V2V与V2I共存场景下的无线资源分配问题,涉及到了功率控制与信道资源分配两个子问题。在功率控制方面,通过对约束条件下的遍历容量和中断概率等进行理论推导,归纳并总结了三个重要推论,并基于所得推论提出了以遗传算法为核心的功率控制算法来使得基于比例公平因子的系统吞吐量最大化。在信道分配方面,提出了基于盖尔沙普利稳定匹配思想的信道资源分配算法。仿真结果表明所提算法不论是在算法复杂度上还是在性能上均有着优异的性能。最后,为更进一步提高频谱效率并解决车辆在密集区域下同时与多车辆进行通信的问题,本节将5G潜在技术——NOMA引入到车联网系统中,并继续针对资源分配问题展开研究。为了提高V2V通信的传输速率,假设一个V2V可复用多个V2I蜂窝用户的信道资源。在处理功率控制问题上,本文采用了轮换思想,先假设发送功率为常数以求解V2V车辆组内的功率控制问题。根据前文推论,我们证明了当前问题的凹凸性,并通过拉格朗日乘数法与KKT条件求解出最优功率分配因子;然后,基于上一步求解的功率分配因子,采用丁克尔巴赫分式规划算法（Dinkel bach）与凹凸过程算法（Convex-Concave Procedure,CCCP）将求解最优发送功率的问题松弛为一个下界最大化的凸优化问题,并提出了基于迭代的求解算法使得单个子信道上系统能量效率最大化;对于频谱资源的分配,将信道分配问题建模为多对一的匹配问题,由此提出了多对一的稳定匹配算法。仿真结果表明,与对比算法相比,本节所提算法可大大提升系统能效。