超密集网络(Ultra Dense Network,UDN)是一种通过密集化地部署各种低功率小基站来提升系统容量的技术,因可以解决小区覆盖盲区、实现用户无缝连接、缓解宏基站压力以及配置灵活等优点深受各级运营商和通信设备制造商的青睐,同时也被列为未来5G通信系统的关键技术之一。然而,在如此密集基站的网络部署下,虽然基站与终端的路径损耗有所降低,但是在增大有益信号的同时也提升了干扰信号,会影响通信系统的性能和用户终端的服务质量。另外,在大面积部署小基站的前提条件下,也必然会造成大量能源的消耗。因此,如何提升系统能效和协调小区间干扰便成为超密集网络部署下亟待解决的问题。基于以上问题,本课题的目的在于寻找绿色环保的方法来协调超密集网络中的小区间干扰。该研究对于保证各小区在复杂的网络环境下有效地进行通信、减小系统能耗、提升系统容量和频谱效率以及增加系统的稳定性具有重要的意义。本文的主要工作可以总结为:1.分析讨论了超密集网络中小区间干扰产生的原因及其影响,并总结超密集网络中两种干扰协调方法:随机干扰协调方法和基于拓扑干扰协调方法。另外对比分析两种方法在超密集网络系统模型下的用户信干噪比和数据速率等指标,仿真结果验证基于拓扑干扰协调方法的性能要优于随机干扰协调方法。2.为了进一步贴近5G中绿色通信的要求,首先设计了一种基于混沌理论和径向基函数神经网络的小基站负载预测方法,并在此基础上提出一种小基站休眠策略,最后根据部分可测马尔科夫决策过程模型求得最优的小基站休眠时长。结果表明,本文的负载预测方法可以较准确地学习并预测未来周期的负载量,并且整体的系统模型也可以提升系统能效。3.针对超密集网络中复杂干扰的问题,在节能系统模型下提出一种基于人工蜂群染色分簇的子信道分配算法。染色分簇算法在尽可能地使用最少颜色的情况下,为相邻的小区分配不同的颜色,然后将染相同颜色的小区分到同一簇内;最后对活跃小基站进行功率优化,以最优信道增益为前提分配资源,能够最大化能效和频谱效率。该干扰协调算法并没有对系统中的小区按顺序染色,符合实际场景的应用,另外由高效的子信道分配算法可以进一步提升用户频谱效率和系统吞吐量。4.在三层超密集网络(宏小区,微小区,微微小区)覆盖下考虑同层干扰和跨层干扰,提出一种二阶干扰协调算法。首先以最小吞吐量为标准为宏用户和微用户分配子信道,并为微基站做功率优化;然后采用改进的K-Means将微微基站分簇,并按照微微用户的优先级进行子信道分配。