随着各种智能终端的普及和基于移动终端业务的迅猛发展,用户对流量的需求也快速增加。应对短时突发流量和1000倍的用户流量提升的需求是第五代移动通信(the 5th Generation mobile communication technology,5G)技术必须要解决的问题。面对网络容量的有限性和无线网络的密集覆盖,密集异构网络被提出以应对数据流量的千倍增长,满足网络极高的流量密度需求。然而,热点高容量场景下的负载分布会更加不均衡,这将极大降低用户体验并造成网络资源利用效率的下降。本文针对密集异构网络下的负载均衡技术展开研究,以提升系统资源利用率、系统总体性能和用户满意度。本文的主要研究内容与创新点如下。本文针对负载均衡过程中系统资源利用率低的问题提出了小区和用户的资源需求估计方案,在进行负载均衡之前,首先预测每个小区的最优的资源利用率和每个用户所分配到的最优资源。该方案首先根据博弈论中库诺模型对密集异构网络建模,具体系统模型根据不同的网络部署条件可适当改变,随后通过遗传算法来最优化库诺模型表示的系统效用函数,从而计算出小区资源利用率和每个用户所分配到的最优资源,最终提升负载均衡过程中的系统的资源利用率。本文综合考虑了系统资源利用率和用户的服务质量(Quality of Service, QoS),在上述提出的小区和用户的资源估计方案基础上,进一步提出了一种QoS保障的密集异构网络负载均衡技术方案。首先基于小区和用户的资源需求估计方案,预测得到每个小区的最优资源利用率和每个用户被分配到的最优资源。接着利用图论中的二分图对用户和小区的匹配关系建立二分图的拓扑结构,Kuhn-Munkras算法来实现二分图的最优匹配过程。仿真结果表明该方案在实现负载均衡的同时能够提高系统资源利用率、系统吞吐量,也能减少掉话率,提高用户的服务质量。本文综合考虑系统资源利用率和多业务共存,提出了一种多业务共存下的密集异构网络负载均衡技术方案。首先,建立了多业务共存的负载均衡模型,其次,利用前述提出的小区和用户的资源需求预测方案,分别预测得到每个小区中对不同业务的最优资源利用率和每个用户所支持的不同业务所分配的最优资源。基于预测值,利用二分图对用户的多业务和小区资源建立匹配关系,在保证资源利用率的条件下为不同的业务选择目标切换小区。仿真结果表明该方案在实现负载均衡的同时能够提高用户满意度和系统资源利用率、系统吞吐量,也能减少掉话率。在本文最后,对本文所研究的内容进行了总结,并对上述研究内容的发展方向做出了展望。