随机几何已经成为超密集无线网络中一种重要且成熟的分析工具。然而,在现有的文献中,许多模型假设用户与基站独立分布,且用户服从齐次泊松点过程,这意味着用户均匀分布在空间中。但这种模型通常不够准确,因为在现实场景中用户通常以用户热点的形式聚集在一起。为了保证通信容量和服务质量,微基站被大量部署在用户热点附近,这表明用户和基站的分布是相互联系的,即用户关联部署。为了描述这种相关性,令用户服从泊松簇过程,且该簇过程的父过程与微基站的分布满足一定的关系,来构建用户关联部署,该模型可较好地描述用户与基站的相关性和群聚性,符合实际生活中的用户热点场景。我们考虑了两种用户热点场景,单微站热点部署和多微站热点部署。明确了用户关联部署的模型后,为了更好地与传统的网络模型对比,本文重点关注用户关联部署场景下的基站关联和局部时延的情况。在应用随机几何理论的现有文献中,关联情况是一种经典的性能指标,本文推导了用户关联部署下连接概率和服务距离的概率密度函数表达式,给出了连接概率和网络的覆盖概率的分析方法,结果显示在相同的性能参数下,相较于传统的网络模型,用户关联部署模型拥有更好的覆盖概率,网络的关联情况更优。局部时延是一种传输时延,反映了网络的可靠性,本文建立了局部时延的模型。为了进一步干扰管理和节省能耗,在用户关联部署的网络模型的基础上,引入了不连续传输策略,分析了此时的网络模型和干扰情况,进一步讨论了单微站热点部署和多微站热点部署场景下的局部时延,着重对单微站热点部署下的局部时延进行了理论推导,证明了当用户簇半径趋近于无穷时,单微站热点部署等价为传统的泊松点过程模型,进一步揭示了用户关联部署与基站用户独立分布模型的差异与联系。结果表明,传统的网络模型低估了网络性能,在用户热点场景下网络拥有更好的性能。单微站热点部署具有极佳的网络性能,用户簇半径大小为100m时,在本文的典型场景下,Thomas簇过程和Matérn簇过程分布下覆盖概率在0d B处提高了5%和10%左右,如何将微站精确地部署在每个用户热点处是其面临的挑战;对于多微站热点部署,干扰管理是需要解决的难题。本文提出了一种更为贴合热点场景的模型及分析方法,能够为异构网络性能分析提供指导意义。