5G作为面向2020年及以后的移动通信系统,提出了对传输速率,传输时延,网络容量,服务质量等的超高要求。超密集网络就是满足其更大网络容量的需求一个有效的方案之一。微基站部署的密集化,使得小区间的干扰问题和用户移动性管理问题变得尤为突出,这严重影响了超密集网络的性能。因此,本文对5G超密集网络场景中的干扰问题和移动性管理问题做出了相关研究,提出了能够有效降低小区间干扰的资源映射算法和保证用户体验的移动性管理的映射算法。本文的主要工作如下:(1)概述了5G的相关内容,并着重对5G超密集网络场景和无线网络虚拟化进行重点介绍,并分别综述了其研究现状,进而给出了本文的研究思路和内容安排。(2)提出超密集环境下考虑小区间干扰的无线虚拟映射算法。主要的思想是引入无线虚拟映射思想,将整个网络的无线资源虚拟化为一个无线虚拟资源池,由宏基站动态分配资源,完成映射。首先,根据业务的到达率和业务的持续时间的分布,推导出在已知当前时隙的业务数的情况下,下个时隙需要提供服务的业务数的概率分布。然后,在保证一定概率的情况下,预测下个时隙的业务数,通过这些业务数和总资源数算出整个网络的复用基站的集合,并预留无线资源。最后,通过贪婪算法制定下个时隙实时分配资源的策略,将使得动态到达的业务对整个网络中的干扰最小,并保证每个用户的用户体验。最后,通过仿真结果证明该算法的有效性。(3)提出超密集场景考虑用户移动性的无线资源映射算法。首先,针对超密集网络场景进行不同覆盖区域的编号,并生成抽象通用图。然后,将用户在一定时间运动过的不同区域的编号信息上传到宏基站,宏基站对其进行学习,通过LZ78压缩算法的思想构建增量解析树。接着,使用高阶马尔科夫链对下一时刻的用户所在区域编号的预测,并不断更新增量解析树。使用预测结果,通过综合基站对用户信号的信噪比、基站的负载和基站的接入价值作为综合指标,进行接入基站的选择,并且映射资源,减少切换时延,提高用户体验。最后,对整篇文章的工作进行总结,并给出了未来的研究方向。