1.一种密集网络中基于虚拟小区的干扰管理方法，其特征在于，包括以下步骤：

101、建立用户分布库，所述用户分布库包括成功构建了虚拟小区的用户的集合，即用于机器学习中的预测训练集合，所述用户的集合包括用户位置信息、用户被分配到的资源情况，用集合 表示第χ个小区内的第j个用户的所有情况，若χ＝0则表示为宏小区，则代表某时刻的用户分布情况；

102、采用基于Adaboost的分布预测方法对步骤101中建立的用户分布库 进行分布预测，若预测成功，得到结果为 和π*n,χ,j，其中π*n,χ,j表示资源使用情况，则按照库中π*n,χ,j给出的频率资源和功率进行分配，否则跳转至步骤103，建立虚拟小区；n∈{1,2…,N}，N为虚拟小区可以使用的PRB数量；

103、根据系统的用户分布 构建虚拟小区的步骤；

104、对步骤103建立的虚拟小区进行资源分配的步骤，依次进行基于优先级的PRB分配步骤、基于最小干扰的功率分配步骤和虚拟小区功率补分配步骤，步骤104中所述的基于优先级的PRB分配步骤具体为：

首先定义虚拟小区中间距di,j表示虚拟小区内的第i和第j两个用户之间的距离，同时，通过感知技术统计在虚拟小区内使用相同PRB的用户的数量并用变量Si表示虚拟小区中第i个用户使用PRB的情况，于是有：di＝∑di,j表示第i个用户和虚拟小区中其他使用相同PRB资源的所有用户的距离之和；赋值i＝{1,2,…,Nk}计算Si和di，Nk表示虚拟小区中的用户数量；

B1、判断当前用户是否和其他已分配PRB的用户处于相同家庭基站，如果处在相同基站，则为这些用户分配不重复PRB；如果不处在同一家庭基站则进入步骤B2；

B2、判断Si的值是否大于其他未分配PRB的用户，则优先为这个用户分配不重复PRB；如果其值不大于其他未分配的用户，则进入B3，变量Si表示虚拟小区中第i个用户使用PRB的情况；

B3、判断di，如果其值小于其他未分配PRB的用户，则优先为这个用户分配不重复的PRB；

di表示第i个用户和虚拟小区中其他使用相同PRB资源的所有用户的距离之和，如果其值不小于其他未分配PRB的用户，则判断当前是否还有剩余的不重复PRB资源，如果有，那么为这个用户分配不重复的PRB；输出用户占用PRB信息λn,k；

步骤104中所述的基于最小干扰的功率分配步骤具体为：

C1、建立P1优化模型的方法；

s.t.

式中，Cmin表示每个用户的容量，Pmax表示功率最大值，Ωn,k为虚拟小区中第k个用户在占用第n个PRB时的干扰因子，它仅是通过位置信息和λn,k来确定的；N为虚拟小区可以使用的PRB数量；Cn,k为第k个用户的容量；Pn,k为第k个用户的功率；

C2、优化求解后得到关于功率分配的最优解：

其中[x]+＝max(0,x)；α、β为拉格朗日乘子； 表示第k个用户的功率分配的最优解：Ωn,k为虚拟小区中第k个用户在占用第n个PRB时的干扰因子，Gn,k表示第k个用户在占用第n个PRB时的信道增益，σ2表示方差；

步骤104中所述的虚拟小区功率补分配步骤包括以下步骤：

E1、对经过基于最小干扰的功率分配步骤后剩余的功率余量可以表示为：E2、对步骤E1的功率余量建立以下优化模型：

s.t.

0≤Pi≤Pmax

其中Ψi表示虚拟小区内的第i个用户虚拟小区的路损和其受到的干扰的总和因子，求解得到功率分配；Pi表示第i个用户分配的功率，Pmax表示得到用户分布和资源使用方式，并将用户分布和资源使用方式存入步骤101建立的用户分布库中完成虚拟小区的分配。

2.根据权利要求1所述的一种密集网络中基于虚拟小区的干扰管理方法，其特征在于，步骤103根据系统的用户分布 构建虚拟小区的步骤具体包括；

A1、设定虚拟小区初始半径R以及最大无干扰用户数量N，即系统最大PRB数；搜寻整个系统中在以R为半径的圆的范围内宏用户和所有区域内异构小蜂窝用户总数大于N的地区；

A2、计算相邻虚拟小区的中心间距，设定两个相邻虚拟小区的中心间距不小于 将符合要求的虚拟小区进行编号，表示为：VCm，输出成功构建的虚拟小区。