随着人们对于移动智能终端依赖程度不断提高,越来越多的无线多媒体应用悄然走入人们的视野,人们对于无线移动数据业务的需求也有了质的飞跃。根据国际电信联盟统计结果显示,移动通信产业的能量消耗和CO2排放比重逐年升高。因此,在保证用户需求的前提下,如何有效利用网络中现有无线频谱资源,降低网络能量开销,提高网络能量效率成为下一代无线网络优化设计中亟待解决的问题。为满足下一代无线网络数据容量提升1000倍和网络能量消耗降低10倍的目标,学术界和工业界已经投入了大量人力物力对其关键技术进行研究。超密集网络通过在覆盖范围内大量部署同频低功率小小区,来实现缩短用户与关联小区之间的距离,提升用户服务质量和网络吞吐量的目的。然而,大量部署小小区使得网络中同频干扰更为严重,并且网络能量开销显著增加,从而限制了网络能量效率的提升。因此,在超密集网络架构下,通过研究用户关联、资源分割、功率控制、小区开关、载波聚合以及小区协作多点传输等关键技术对于网络能量效率的影响具有重要的应用价值和实际意义。本学位论文深入研究了超密集网络架构下的能量效率问题,论文主要研究内容如下:1.超密集网络中高能效的资源分配和小区关联算法。针对目前研究中没有考虑小区关联的动态变化、宏小区和小小区的联合资源分配以及用户速率需求的问题,本章对超密集网络中高能效的宏小区和小小区联合资源分配问题展开研究。首先,在保证用户服务质量需求的前提下,将宏小区的频谱资源分割系数、小小区的发射功率和小区关联偏置建模成联合优化问题,以使网络能量效率最大化,同时证明该问题属于NP-hard问题,且在多项式时间内无法求解。其次,考虑到优化过程中用户关联小区动态变化以及网络能量效率本身的非凸性,提出一种基于增强粒子群的资源分配和小区关联调整算法,通过罚函数法将有约束优化问题转化为无约束优化问题,以避免出现不可行解;同时,引入基于Tent的混沌映射惯性权重更新机制和模拟退火算法中基于Metropolis邻域移动策略的全局最优解更新机制,从而保证算法快速收敛和解集的最优性。最后,仿真结果表明,相比于已有资源分配和小区关联算法,所提出的算法有较好的能量效率、网络吞吐量和较低的网络能量消耗。2.超密集网络中基于载波聚合的高能效动态资源分配算法。针对处于正的小区关联偏置区域中用户信干噪比较低、成分载波分配不当以及网络能量消耗过大的问题,提出一种基于载波聚合的高能效动态资源分配算法。通过调整小区的载波配置和采用基于能量效率代价函数的动态功率控制算法,达到提升网络能量效率的目的。仿真结果表明,由于采用合理的载波配置方案以及基于能量效率代价函数的动态功率控制算法,所提算法能够在提升小小区吞吐量的同时降低网络能量消耗,从而提升网络能量效率。3.超密集网络中高能效小区关联偏置调整算法。针对传统小区关联算法导致超密集网络中小区负载不均衡、网络吞吐量增长受限以及网络能量开销过大等问题,本章在保证用户速率需求的基础上,通过优化每个小小区的小区关联偏置值改变用户关联,进而提升网络吞吐量,同时关闭网络中没有用户的小小区,最终提升网络能量效率。由于能量效率本身的非凸性,并且小区关联偏置值与用户关联间存在复杂耦合关系,无法直接得到最优小区关联偏置解集。因此,本章首先提出一种基于吉布斯采样算法的集中式高能效小区关联偏置调整算法。在该算法中,需要收集所有小小区与用户之间的信道增益、用户关联以及能量消耗等信息。其次,考虑到收集上述全局信息将导致网络信息交互开销较大,以及集中式算法计算复杂度较大的问题,通过对小小区内用户数和用户信干噪比求解公式的推导,提出一种基于吉布斯采样算法的分布式高能效小区关联偏置调整算法。该算法具有信息交互开销少和复杂度低的优点。最后,分析上述两种算法和已有算法的算法复杂度。仿真结果表明,用户速率限制对于能量效率优化具有较大影响,所提两种算法均能较快的收敛到全局最优解,并且与已有算法相比,所提算法有较好的网络吞吐量和能量效率性能。4.超密集网络中高能效的小区关联和回程链路联合优化算法。针对超密集网络中采用协作多点联合传输导致回程链路资源不足的问题,本章研究在协作多点联合传输场景下回程链路受限的情况,解决网络能量效率优化问题。与忽略回程链路资源分配及能量消耗,并假设前向链路数据速率低于回程链路数据速率的已有研究不同,本章考虑回程链路数据速率受限的场景,在回程链路数据速率无法满足前向链路数据速率的场景下,通过联合优化小区关联矩阵、小小区的开关系数以及回程链路数据速率,提出一种高能效资源分配算法。由于小区关联、小小区开关和回程链路数据速率分配之间存在紧耦合关系,所以很难求得网络最优的资源分配闭式表达式。因此,本章将网络能量效率最大化问题分解为两个子问题:其一是在保证用户速率需求的情况下,最小化网络能量消耗;其二是最大化最小可实现能量效率。并分别提出基于改进增强粒子群的小区关联调整算法和基于线性规划的回程链路速率控制算法进行求解。仿真结果表明,所提算法较已有算法有较高的回程链路数据速率和能量效率,以及较低的网络能量消耗,并且在资源优化过程中均可以满足用户的速率需求。