机器对机器(Machine to Machine,M2M)通信技术是一种可以连接智能无线设备的新兴技术,在不久的将来,一个5G系统不仅包含传统的人对人(Humanto Human,H2H)通信设备,还会容纳庞大量的时延容忍型M2M设备。M2M最明显的特性是设备间通信无需人为干预,因此保证M2M设备的低能耗是延长其设备存活时间的必要条件,也就是需要提高每个设备的能量效率(Energy Efficiency,EE)。现有M2M与H2H共存的场景主要分为两种,一种情况是M2M设备与H2H设备使用正交频谱资源,另一种情况是M2M设备复用H2H设备的频率资源来满足自身的性能,在两种场景下进行合理的资源管理方案值得深入探究。本论文分别考虑M2M与H2H共存的正交场景与干扰场景,针对M2M设备的能效和以及H2H设备的信道容量(ChannelCapacity,CC)之和的折中进行了探讨。本文首次在M2M与H2H共存场景下构建一个多目标问题进行联合频谱与功率的资源管理,并提出采用加权切比雪夫(Weighted Tchebyshev,WT)算法求解该问题。本论文工作的创新之处如下所示:(1)在资源正交场景下,本文首次提出了基于M2M设备能效与H2H设备信道容量的多目标优化问题,同时考虑了 M2M设备的时延要求,并对三种服务类型的M2M设备的服务质量(Quality of Service,QoS)进行约束。为了降低资源竞争时M2M设备对H2H设备的影响,本文提出了一个基于M2M需求因子的权重函数,仿真结果证明该函数保证了 HTC设备的性能要求。(2)在资源正交场景下,为了求解多目标问题中的帕累托最优解集,本文提出采用加权切比雪夫的方法将多目标的问题转化为单个目标优化的问题。仿真结果不但证明了该算法具有良好的性能,还保证了两个目标函数的公平性。(3)干扰场景下,本文将M2M技术与设备到设备(Device to Device,D2D)技术相结合,在允许M2M复用H2H的频谱资源的条件下,首次对M2M的设备能效和、H2H设备的信道容量和以及M2M设备对基站(Evolved Node B,eNB)的干扰三个目标函数进行多目标问题建模。为了解决频谱资源分配指示因子是二进制变量的问题,论文首次采用惩罚函数的方法将二进制变量转化松弛约束。最后,本文采用加权切比雪夫算法进行单目标问题转换,并提出采用凹凸过程(Concave ConvexProcedure,CCCP)的方法解决非凸的单目标问题,得到一个原问题的近似最优解,该算法的有效性通过仿真结果得到了证明。