在下一代移动通信网络的关键技术研究中,密集组网是公认的提升网络容量的有效手段之一。基站的密集部署会直接造成系统能耗的快速增长,考虑到网络运营的开销,通信网络的能耗问题是下一代移动通信网络的一个非常重要的研究点。在实际场景中,用户对基站的服务需求在时间上是随机的,加上用户分布的不确定性,这使得基站在某些时段内休眠成为可能。目前研究基站节能的同时也非常关注系统的其它性能。本文对密集系统下的能耗问题提出了微基站休眠的节能策略,同时对业务的平均时延加以约束。在小时间尺度上,针对宏基站和微基站各自特点,本文提出了一种基于业务分类的基站协作能效优化策略。首先,在微基站休眠时,为了降低用户业务的等待时长,让宏基站协作微基站处理业务。其次,在密集场景下微基站数量较多,宏基站能给每个微基站的协作处理资源非常有限。而微基站接入用户少,可以以较高的速率服务所接入的用户。根据宏基站和微基站的这种特点,本文提出一种业务分类和分类处理机制。在微基站休眠时,将不同类型的业务分别引导给宏基站和微基站,提高系统的能效性能。最后,将基站协作和业务处理过程建模为马尔科夫模型,分析它们的能效性能。仿真结果表明对业务进行分类,拟合宏基站与微基站各自特点进行处理之后,能够有效的提高系统的能效性能。在大时间尺度上,一个微小区下业务量是随着时间不断变化的,使用当前设置好的控制参数并不能适应业务的变化。对于这个问题,本文提出了一种基于小波神经网络预测业务的能效优化策略。首先,使用一种小波神经网络对微基站下个时刻的业务量进行预测。其次,提出一种多休眠模式的基站协作能效优化策略,使用休眠时间长度参数来控制微基站休眠。同样使用马尔科夫模型对业务处理过程进行建模,最终得到一个确定业务量下的最优基站休眠控制参数。最后,根据小波神经网络对下个时刻业务量的预测来设置相应的基站休眠控制参数。仿真表明,在大尺度时间上,经过业务预测之后,基站能够更加准确地结合业务量来执行休眠策略,有效的降低了基站的能耗以及业务的平均时延。