用户关联对移动无线网络具有重大意义。有效的用户关联策略不仅可以提高网络端的性能,包括提高网络吞吐量,减少系统信令负荷等,还可以提升用户端的性能,包括降低用户阻塞概率及用户时延等。本论文主要研究超密集网络和低轨卫星网络中的用户关联问题,分别基于用户移动性和卫星移动性提出了动态的用户关联策略,并验证了策略的有效性、可靠性。本论文的主要贡献如下:1.研究了超密集网络中的动态用户关联问题。提出了基于移动边缘计算的超密集网络架构,并基于排队论将接入节点对任一用户的服务过程建立为排队模型,据此给出优化问题的数学模型。优化目标是在保证用户传输数据的平均时延低于容限值的前提下,最大化超密集网络中用户的平均吞吐量。2.针对上述优化问题,我们基于用户的移动性模型分别提出以用户为中心的接入节点动态聚簇算法和贪婪的带宽分配算法。在动态聚簇算法中,在任意时刻预测下一时刻用户所处位置并提前据此将接入节点聚类;对于聚簇问题中的子问题,即接入节点对与其关联的用户的带宽分配,我们利用贪婪算法,将有限的带宽分割成等量的带宽块之后,每一个资源块分给当前传输时延最大的用户以逐渐降低其时延。实验仿真结果表明算法可以有效提升用户平均吞吐量,且大大降低了用户平均传输时延。3.研究了低轨卫星网络中的动态用户关联问题,即卫星切换问题。基于卫星对地面用户的覆盖时分图给出优化问题的数学模型。优化目标是通过选择切换时为用户提供服务的卫星,保证卫星不过载的前提下,最小化用户的平均卫星切换次数。4.针对上述优化问题,首先基于随机博弈论将原优化问题转换为以多智能体强化学习为基础的优化问题模型,分别定义了智能体、状态、动作和回报函数。然后在用户可获得实时的卫星系统的信息的设想下,设计了多智能体Q学习算法。实验仿真结果表明,我们所提出的算法具有收敛性,且相比于其它代表性算法,在大大减低了用户阻塞概率的同时可以达到卫星切换次数的下界值。综上所述,本论文研究了超密集网络和低轨卫星网络中的动态用户关联问题,结合实际网络架构与用户需求拟定了合适的优化目标与约束条件,提出了有效的动态用户关联算法针对性地解决了相应的优化问题。仿真结果表明,有效的用户关联策略可以极大地提高网络端和用户端的性能。