各种形式的数据流量的快速增长已经成为通信行业持续发展的主要推动力。智能终端的普及和新应用程序的出现，包括虚拟现实、网络游戏、无人驾驶汽车、可穿戴设备和云计算等，需要更高的服务质量。为了应对数据的激增及各类应用的需求，为广大终端用户提供更高的服务质量，5G移动网络架构和技术应运而生，而超密集网络(Ultra-Dense Network, UDN)技术被认为是解决数据流量挑战的主要途径之一，通过密集部署提高频谱复用因子，可使得热点地区的容量提高100倍以上。由于UDN部署密集、距离近、部署不规则等原因，将会进一步使小区间干扰问题的复杂化。对于用户来说，随着基站的密集部署，接收功率接近的基站个数超过三个的概率剧增，网络中的用户很有可能受到两个以上的强干扰。因此，在UDN中，小区间干扰管理技术是一个至关重要的问题。
　　本文第一部分工作是考虑在一定覆盖范围内用户的密度不超过基站密度的场景，针对原有分簇算法的不足，结合对下一个调度时刻用户位置的预测，设计以减少移动用户的平均干扰、增加用户的吞吐量、降低用户中断率为目标的预分簇算法，并通过仿真研究了在选择协作基站进行预分簇时，预测值所占权重对系统性能的影响。仿真结果表明本文算法改善了系统中用户的平均吞吐量，提高了用户的平均频谱效率。
　　本文的第二部分工作是在第一部分的基础上对基站的资源和能耗问题做出优化。设计了区分优先级的资源分配算法，把资源分配问题拆分成了三步分配法，即分配-休眠-再分配的算法。本算法以局部最优法去逼近全局最优解，得到了资源分配的次优解，在保证用户服务质量的前提下大幅度降低了基站能耗。