随着无线通信技术的不断进步,每一代无线通信系统都发生着跨越式的发展。在5G通信系统中,提出了一系列的技术以提升无线网络容量以及通信服务质量。为了提升单位面积频谱效率,下一代无线通信系统将在部分热点区域采用密集部署接入点（AP:Access Point）的方式来形成超密集无线网络（UDN:Ultra-Dense Networks）。通过密集部署的AP,实现了AP围绕用户、以用户为中心。一方面减小了用户到AP之间的距离,以此来保证用户与AP之间数据的有效传输。另一方面,密集放置的AP提供了大量的发射低功率信号的网络接口,使得超密集无线网络在有效提高系统性能的同时,系统的功耗也可以得到明显的降低。由于在超密集无线网络系统中密集部署了大量的AP,可能导致相邻AP之间出现覆盖范围重叠的情况,这将会导致系统中的资源分配出现问题。只有合理的对超密集无线网络进行部署以及组网,才不会造成大量的资源浪费。然而,由于超密集无线网络系统模型的变化,传统蜂窝网络模型中以一个小区为复用单位的复用方案已经不再适用,因此需要提出新的资源复用方案以进行资源分配。同时,这种覆盖范围重叠问题也会导致AP之间的相互干扰,这是限制系统性能提升的一个非常重要的因素,因此需要使用有效的干扰管理方案来降低相邻AP之间的干扰。然而传统蜂窝网络中使用的干扰管理方案可能无法适用于超密集无线网络系统,因此需要提出新的干扰管理方案。首先,本文针对超密集无线网络的信道特点,对上行传输展开研究,提出了局部协作下基于干扰消除的高效低复杂度的多用户检测算法,为超密集无线网络的实际部署提供了一种实用的上行多用户接入及检测方法。首先针对超密集无线网络系统聚合信道矩阵稀疏的特点,利用压缩感知技术进行信道估计,该信道估计方法能够根据信道强度自动将用户与AP进行配对,既能获得多用户分集增益,同时也可让AP基于信道强度,通过AP间的局部协作,自适应进行干扰消除。这种方法与传统的最小均方误差检测相比,避免了矩阵求逆操作,降低了复杂度;同时也无需在系统内共享信道信息,系统的中央处理单元（CPU:Central Processing Unit）只需要进行一些基本调度,降低了对信息共享的要求。最终仿真结果显示,本文所提算法有较强的适用性,且能够在复杂度和性能之间获得较好均衡。其次,本文针对超密集无线网络的下行传输展开研究,在对频谱效率进行分析之后,对功率分配方案展开研究。基于对性能和复杂度的综合考量,提出了单个AP基于部分用户迫零和按需进行局部协作的功率分配方法。首先假设每个AP知道用户的位置信息,每个AP仅服务其附近的用户,利用迫零准则消除所服务用户之间的干扰,而不再追求消除所有用户之间的干扰,即部分用户迫零算法。在预编码之后,根据信道大尺度衰落因子进行功率分配,但由于超密集无线网络系统中AP以及用户的随机分布特性,当用户落在AP较为稀疏的区域时,可能无法满足其最低的通信需求。针对这部分用户,形成局部的协作簇,采用优化方法对功率进行重新分配。最终仿真结果显示,这种算法在避免功率资源全局优化带来的计算复杂度的同时,也保证了系统性能。