移动智能终端的日益普及和多媒体业务的日趋丰富给5G无线通信网络带来了巨大的承载压力。为了应对海量设备的接入、爆炸式的业务增长,网络密集化成为了5G的关键技术,密集无线网络是无线网络发展的必然趋势。密集无线网络通过大规模部署微小基站,缩短用户与基站之间的距离,最大化频谱的空间复用,提升用户服务质量和网络吞吐量。然而,密集无线网络也呈现出以下鲜明的特点,即大量基站非规则布设、基站间干扰复杂多变、基站存储空间及回程链路受限、用户业务存在异构性及不确定性等,导致传统集中式资源管控方法的性能恶化,无法实现业务流与资源流的高效匹配。因此,如何设计有效的用户关联、内容存储等通信与存储资源分布式管控方法来实现业务流与资源流的高效匹配是一个十分重要且值得研究的问题。然而,密集无线网络中的资源分布式管控方法存在新的挑战。一方面,基站存储资源的引入增加了资源管控的维度和复杂度,在网络资源受限和保障用户服务质量的同时实现网络通信与存储资源的分布式联合管控十分具有挑战性。另一方面,基站间存在通信与存储资源的空间复用,通过基站间协作可以提高空间复用增益,而传统的资源管控方法无法有效地进行多基站协作下通信与存储资源的分布式联合管控。另外,密集无线网络中各个基站的回程链路速率和存储空间大小不同,导致通信与存储资源存在异构性,进一步增加了资源管控的复杂度。鉴于以上原因和挑战,本文针对密集无线网络中呈现的鲜明特点,考虑基站资源的空间复用性和异构性,设计适用于密集无线网络的通信与存储资源分布式管控方法,实现基站资源与用户业务的相互匹配,提升网络性能（负载均衡、缓存命中率以及时延）。本文的主要内容及成果概括如下:·提出了基于基站开关与用户关联的通信资源分布式管控方法,在克服用户业务不确定性影响的同时,优化基站开关减少小区间干扰,优化用户关联使得通信资源与用户业务相匹配,实现了小区间的负载均衡。本文首先通过机会式约束来刻画用户业务到达率不确定性对基站负载的影响,接着利用业务到达率的均值和协方差将机会式约束转化为确定性约束。我们使用优化理论提出了分布式的基站开关与用户关联策略。其中,用户通过机会式关联多基站,优化资源分配,最大化小区间负载均衡。理论分析了所提算法的收敛性及其与最优解之间的理论差距。最后,仿真结果验证了理论分析的正确性和算法的有效性。仿真结果表明,所提算法能够克服网络密集化因基站密度过大导致干扰严重、网络容量反而下降的问题,充分挖掘了通信资源的空间复用率,获得基站密集化带来的性能增益,突破了干扰带来的性能瓶颈,实现了小区间负载均衡。·提出了基于基站缓存和内容推荐的存储资源分布式管控方法,在保障用户满意度的同时,实现了存储资源与用户业务的双向匹配,最大化缓存命中率。本文利用基站间的相互协作,提高了基站存储资源的空间复用率。通过优化基站内容缓存,使基站存储资源匹配用户业务;通过优化用户内容推荐,使用户业务匹配基站存储资源。通过基站内容缓存与用户内容推荐的相互作用,达到基站资源与用户业务双向高效匹配。具体地说,我们提出了一个具有普适性的基站缓存和内容推荐框架来刻画内容推荐对用户业务分布的影响。然后利用连续时间马尔可夫链设计了一个在线的、分布式的基站内容缓存和用户内容推荐算法。通过扰动理论分析了参数估计误差对所提算法性能的影响,得到了所提算法的性能下界。最后,仿真结果验证了理论分析的正确性和所提算法的优越性。仿真结果表明,所提算法通过多基站协作缓存,突破了回程传输资源受限的瓶颈;通过用户内容推荐,突破了存储资源受限的瓶颈;最终实现了基站资源与用户业务之间的完美匹配,提高了缓存命中率。·提出了基于基站缓存和用户关联的通信与存储资源分布式联合管控方法,通过优化基站存储和用户业务分流,实现通信资源（无线接入侧和回程侧传输资源）、存储资源与用户业务的匹配,最小化用户的平均服务时延。首先,考虑到用户业务的动态性以及网络链路的串联属性,我们将每个基站回程侧链路和接入侧链路建模为一个级联队列,并由此得到了用户平均时延的闭式表达式。在此基础上,我们以最小化用户平均服务时延为目标,采用匹配理论和动态规划联合优化基站缓存和用户关联,获得了用户平均服务时延的近似最优解。理论分析表明算法具有较快的收敛性与较好的性能。仿真结果验证了理论分析的正确性以及所提算法的有效性。仿真表明:基于接入回程一体化的基站缓存和用户关联策略能够有效降低用户的平均服务时延。基站缓存和用户关联都能降低用户的平均服务时延,但是当基站回程链路严重受限时,基站缓存比用户关联更能够降低用户的平均服务时延。通过联合优化基站缓存和用户关联,使得用户业务分流具有更大的自由度,更加有效地匹配通信与存储资源,更大程度地降低用户的平均服务时延。