超密集网络(Ultra-Dense Network,UDN)的提出是为了满足5G及以后的移动通信系统超高容量和超高用户体验速率需求。然而,小小区的超密集部署也带来了小小区选择、严重的干扰、复杂的资源分配、频繁的小区切换等问题。为解决UDN带来的问题,业界提出了以“用户为中心”的概念,在以用户为中心的UDN中,用户周围的多个小小区被动态地组织成小小区簇,用户与簇内的小小区建立多连接,多个小小区协作为用户提供高速数据传输。本文针对UDN中以用户为中心的小小区分簇问题及资源分配问题进行研究,主要工作如下。首先,如何为用户动态构建小小区簇对UDN的系统性能具有重大的影响。本文针对UDN中以用户为中心的小小区分簇问题,提出一种基于多对多匹配的小小区分簇算法,该算法基于双边多对多匹配理论,兼顾考虑小小区接入的约束条件及用户接入选择的相互影响,在最大化系统可达速率的优化目标下,构建用户和小小区之间的多对多稳定匹配。系统仿真结果表明,所提出的基于多对多匹配的小小区分簇算法相比于Max-RSRP算法,其系统最大可达速率提升了近40%,用户平均可达速率提升约18.75%。其次,在UDN网络中,用户接入多个小小区后面临着更加复杂的资源分配问题,资源的有限性和正交约束使得传统的单小区资源分配方案不再适用,必须联合考虑多个小小区之间的协调资源分配方案。本文提出一种基于子网络划分的资源分配算法,考虑UDN异构网络中的干扰情况,对异构网络进行数学建模,并设计了资源分配的优化目标函数,通过基于谱聚类的子网络划分算法,最大化子网内干扰约束关系同时最小化子网间干扰,实现系统资源块的复用和正交分配。仿真结果表明,所提算法与基于图染色理论的Graph Coloring算法相比,其系统吞吐量提升约10%,用户平均频谱效率提升约18%,有效地降低了网络中的同频干扰,提高频谱效率。本文主要工作为UDN下的小小区分簇算法、资源分配算法的设计及仿真验证,未来进一步研究工作将注重于降低算法的计算复杂度,考虑分布式解决方案,将其他无线资源如功率、计算资源等进行联合资源分配算法的设计。