日益增长的高速数据业务需求对未来移动通信提出了更高的要求,超密集网络(Ultra Dense Networks,UDN)通过部署大量低功率的微基站(Smallcell Base Station,SBS)来实现小区的密集化,进而提升资源的复用度,成为5G中的一项关键技术。由于超密集网络中微基站的发射功率较低,小小区的覆盖范围很小,可以缩短基站到用户之间的距离,减小传输损耗,从而提升系统的能量效率。然而,随着微基站密度的增加,小小区间干扰也随之增大,严重影响系统性能。有效的资源分配方案能消减干扰、提高系统性能,是超密集网络中的研究热点之一。本文在分析超密集网络特性的基础上,主要研究超密集网络中的资源分配方案,针对已有方案存在的问题,提出了相应的改进方法。本文的主要工作如下:(1)对于每个微基站服务单个用户的超密集网络场景,为了减少小小区间的干扰,以最大化网络的吞吐量为目标,提出一种基于分簇的资源分配方案(Clustering-Assisted Resource Allocation,CARA)。首先,构建网络中微基站对应的干扰图,选择干扰度最高的微基站作为第一个簇的簇头(Cluster Head,CH),然后依次选择干扰图中距离CH最近的微基站作为簇内成员,同时确保簇内干扰权重的总和不超过预先设置的阈值。采用相同的方式生成其余的簇。其次,子信道分配由每个簇内的CH执行,分为两个阶段,即初始子信道分配阶段和子信道补偿阶段,为每个用户分配一个或两个子信道。最后,在每个簇内,以最大化簇内吞吐量为目标分配功率。仿真结果表明,与相同场景下的现有方案相比,该方案将微基站更均匀地分布到每个簇中,并显著提高了系统吞吐量。(2)为进一步提高方案的实用性,对于每个微基站服务多个用户的场景,提出一种干扰受限的分簇及资源分配(Interference-Limited Clustering and Resource Allocation,ILCRA)方案。首先采用聚合成簇的思想对微基站进行分簇,每个SBS簇中干扰权值之和不能超过预先设置的干扰门限。其次在每个SBS簇内采用穷举图着色算法依次对用户(User Equipment,UE)进行分簇。然后,在每个SBS簇内,CH根据UE簇在每个子信道上的吞吐量依次为每个UE簇分配子信道。最后,在每个SBS簇内,采用注水算法为簇内用户分配功率。仿真结果显示,所提方案有效地限制了SBS簇内成员的数量,提升了UE平均吞吐量和频谱效率。