随着移动智能终端的大规模流行和无线多媒体数据业务的广泛应用,无线通信网络中的业务需求呈爆炸式增长。为适应未来发展的需求,业界提出通过引入超密集异构网络来最大化频谱复用率,提升系统性能。然而,在超密集网络中随着小区的密集化部署,系统能量消耗也不断增加。因此,满足用户服务质量的前提下,最小化系统能耗,从而达到能耗-性能最优权衡的目的,成为新一代超密集网络的重要研究方向。小区休眠技术作为重要的节能技术手段,通过关闭部分低负载基站节点达到节约能耗的效果。然而,关闭部分基站节点必然会减少系统容量,进而影响用户的时延性能。因此,小区休眠技术的引入会带来系统能耗和用户传输时延之间的权衡问题,研究基于能耗-时延权衡的节能方案对于超密集网络的实际应用具有重要的理论价值和实际意义。论文主要针对超密集异构网络场景,深入研究基于能耗-时延权衡的小区休眠策略,在保证用户传输时延的基础上,最小化系统能耗,达到用户服务质量和能耗的最优权衡,包括小区休眠和用户关联的联合优化问题,小区休眠和缓存技术的联合优化问题,以及无线回传超密集网络中基于能耗-时延权衡的小区开关问题。论文的主要贡献如下:研究了超密集网络中基于能耗-时延权衡的小区休眠和用户关联联合优化问题。深入分析了超密集异构网络中的能耗-时延权衡问题,提出灵活的用户关联和动态基站休眠方案,在保证用户传输时延的同时最小化系统能耗,达到用户服务性能和能耗的平衡。引入处理器共享的M/G/1/N休假排队模型,用来建模有休眠策略的小站。通过排队模型分析,得到了用户平均时延和系统能耗的表达式,讨论了休眠和用户关联方案对用户平均时延和系统能耗的影响。将能耗-时延权衡问题描述为最小化系统成本函数问题,根据Lambert W函数,分析了最优基站休眠时间和关联半径。考虑小站接入的最大用户数为N,由于无法得到N为任意值时的最优休眠时间,得到了N等于1和N趋于无穷大时的最优休眠时间。仿真结果表明,N为无穷大时的最优休眠时间可以看作N为大于1时任意值的合理近似值,同时也验证了分析的正确性。研究了缓存辅助的超密集异构网络中基于能耗-时延权衡的最优小区休眠机制。考虑小站有缓存空间,可以根据数据流行度提前缓存一部分数据文件内容。用户业务需求有视频内容和文件内容,视频内容由小站为用户提供传输服务,而文件内容由宏站和小站协作传输完成。分析得到了系统平均能耗,视频内容和文件内容传输时延的表达式,进而能耗-时延权衡问题描述为寻找稳态条件下能够最小化系统能耗的小区开关休眠方案。通过Lyapunov优化理论分析了时延的边界值,进一步将系统稳态条件刻画为时延相关的控制参数,同时原优化问题转化为给定权衡因子下时延和能耗的联合优化问题。考虑用户业务状态和信道状态,提出了能够最小化系统能耗同时保证用户时延特性的时延感知小区开关休眠方案。仿真结果表明所提时延感知休眠方案具有较好的性能,尤其是,缓存技术的引入在提升用户时延性能的同时,也带来了一定的节能增益。研究了超密集网络中基于能耗-时延权衡的小区休眠和协作缓存联合优化问题。D2D(Device to Device)发射机和小区基站采用异构协作缓存方案来选择一部分文件内容进行提前存储。基于随机业务模型,分析了系统的平均能耗和用户平均传输时延,进而将能耗-时延权衡问题描述为组合优化问题。为了求解该问题,将原优化问题分解为休眠和协作缓存两个子问题。对于休眠问题,首先求解得到最优休眠比例,根据最优休眠比例提出了时延感知休眠算法,该算法得到的是局部最优解,但是仿真结果表明其可以收敛到全局最优解,且计算复杂度较低。对于协作缓存问题,进行了迭代求解。在每一次迭代过程中,首先给定D2D发射机缓存方案,通过Karush-Kuhn-Tucker(KKT)条件求解小区缓存问题的组合优化问题。再根据得到的小区最优缓存方案,求解D2D发射机缓存问题的组合优化问题。仿真结果表明所提算法能够收敛到全局最优,而且能够很好的均衡复杂度和精确度。研究了超密集无线回传网络中基于能耗-时延权衡的小区休眠问题。建立了无线回传UDN中能耗-时延权衡问题的理论框架,基于随机分析获得用户关联概率和基站的传输概率。给出了系统能耗和网络数据包时延的表达式,并且讨论了基站休眠比例对系统能耗和数据包时延的影响。将能耗-时延权衡问题描述为成本最小化问题,优化休眠小区的集合。为了解决该优化问题,通过动态梯度迭代算法获得了能耗-时延权衡问题的局部最优休眠比例,并证明了其可收敛到全局最优解。基于最优休眠比例提出队列感知和信道-队列感知休眠策略,来选择休眠小区的最优集合。仿真结果表明所提时延感知休眠方案比一般只考虑业务状态或是只考虑信道状态的休眠方案具有更好的性能。