移动互联网及物联网的飞速发展引发了用户对于更高数据流量、更强覆盖能力、以及更高质量服务体验的需求,而这些不断涌现的业务挑战也推动了第五代移动通信系统(5G)的研究和发展。超密集网络(Ultra Dense Networks,UDN)作为5G通信系统中的一项关键技术,通过空间密集部署微小区(Small Cell,SC)的组网方式来提高网络频谱效率,被认为是未来提升5G网络容量的重要手段之一。在超密集网络中,小区覆盖范围的进一步减小、基站的无规则部署、以及网络节点间距离的缩短使得干扰更加严重和多样化,对干扰管理提出了新的挑战。本文在分析超密集网络特性的基础上,详细介绍了超密集组网下的各类场景需求及技术挑战。为了结合UDN部署趋势及特征,实现更好的干扰管理技术的研究,本文进行了以下三个方面的工作:第一,本文以3GPP(The 3rd GenerationPartner Project)标准文档中给出的干扰协调技术为依据,从资源划分的角度分析了现有频域、时域及空域的干扰协调方案,并将对应于各类主流技术的相关研究进行了总结。其中的一些关键方法为后续基于空间干扰协调方式的资源分配方案的研究奠定了理论基础。第二,本文针对超密集同构网络中同层小区间的干扰,提出了一种基于分簇结构的低复杂度干扰协调方案。该方案将网络节点之间的干扰管理问题转化成为小区簇间的干扰协调问题,小区分簇的过程考虑了基站密度的变化可能产生的影响,而在资源分配阶段,基站对子信道的选择采用了以最大化信干噪比(Signalto Interference plus Noise Ratio,SINR)为分配准则的次优补偿算法。仿真表明,资源补偿算法的性能明显优于第一阶段的初始分配算法。第三,考虑不同覆盖层小区间传输功率的不平衡性,本文针对超密集异构网络中的跨层及同层干扰,利用描述特定区域内平均干扰的新型数学模型刻画网络用户节点间的下行干扰,建立了反映节点间干扰关系的权重矩阵,并基于干扰权重图提出了一种新的启发式分簇方案。新的分簇方案借鉴了图论中的经典MAX K-CUT问题模型和解决方案,将网络中用户的资源调度与簇内的干扰协调相结合,通过协调同一簇内的基站或用户节点,尽可能减少网络节点间可能产生的干扰。仿真结果证明,本文提出的资源分配算法相对传统的全频或部分频率复用算法,具有更优的系统性能。