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i个小区内的第j个用户的所有情况，若i＝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πn,i,j，其中πn,i,j表示资源使用情况。则按照库中π*n,i,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；

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，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。

3.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；

B1、赋值i＝{1,2,…,Nk}计算Si和di，Si和di分别表示判断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，则为该用户分配不重复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；

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

4.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；Nk为虚拟小区中的用户数量；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)。

5.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个用户同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。