超密集组网(Ultra-dense network,UDN)作为5G关键技术之一,可通过降低小区半径和密集部署低功率节点大幅度提升系统容量,低功率节点的密集部署使网络拓扑结构更加复杂,引入了严重的干扰问题,给无线网络资源管理和干扰控制带来了严峻挑战。为降低超密集网络中小小区之间的干扰并提升系统吞吐量,本文在现有干扰协调技术的基础上进一步研究了超密集网络中的干扰协调方案。首先,本文对5G关键技术研究现状以及面临的问题和挑战进行了阐述,介绍了超密集网络的定义以及Small Cell的概念和分类,详细介绍了现有的几种针对异构网络干扰协调技术,并分析了现有干扰协调方案的优缺点,进而引出了本文的研究要点。其次,针对超密集网络中Small Cell之间的同层链路干扰问题,提出了一种基于K-means聚类算法的时域干扰协调方案。针对低功率节点密集部署场景下现有干扰模型的局限性,将聚类算法应用于低功率节点的干扰分析,利用欧式距离作为衡量干扰程度的参数,然后用聚类中心对目标节点产生的干扰代替类内其他节点的干扰,对节点受到的干扰程度进行计算,与现有干扰模型相比,该模型降低了干扰分析复杂度的同时提高了干扰模型的精确度;最终将系统吞吐量最大化转化为干扰最小化算法,根据干扰最小化原则进行时域资源分配。仿真结果表明所提方案能有效提高超密集网络性能,且具有较低的复杂度。然后,以降低系统干扰的同时降低能量损耗为目标提出了一种基于功率控制的干扰协调方案。先采用发送信息包的方式建立节点之间的邻居关系,再根据中心节点周围的邻居节点数量以及邻居节点到中心节点的距离确定干扰源节点,最终根据用户的反馈信息,在保证用户正常通信的条件下对干扰源节点进行动态功率调节。与传统的功率退避算法相比,在不增加干扰程度的条件下,增加了小区的覆盖范围,提升系统的吞吐量的同时降低了系统能耗,仿真结果验证了方案的有效性。最后,对本文的主要研究内容进行了总结及评价,并提出了几个后续的研究方向。