1.一种超密集环境下基于模拟退火算法的虚拟映射方法，其特征在于，包括以下步骤：第一步、将一个单宏基站的超密集网络系统初始化，在该超密集网络系统中建立微基站合集B和位置集合Ab，所述微基站合集B包括N个微基站，且B＝{b1,b2,...,bN}，所述位置集合Ab包括N个与微基站相对应的位置信息，且Ab＝{Ab1,Ab2,...,AbN}；

第二步、通过业务到达过程和业务持续时间建立业务到达模型，再根据业务到达模型构建信道分配矩阵，然后通过信道分配矩阵和干扰模型计算各个用户的信干比，进而获得各个用户的网络吞吐量；

第三步、将宏基站和微基站的无线资源进行虚拟化，形成一个无线频谱池，将无线频谱池记为W，将无线频谱池W分割成M个物理信道，将物理信道记为C，C＝{c1,c2,...,cM}，设每个物理信道的带宽为w0，则第四步、通过分配模型将频谱切片根据用户请求分配到各个微基站对用户进行服务。

2.根据权利要求1所述一种超密集环境下基于模拟退火算法的虚拟映射方法，其特征在于，所述第一步中，单个微基站的覆盖范围和功率需满足表达式h(LB)Pw＝β，其中LB为单个微基站的覆盖范围，Pw为单个微基站的功率，β为信号能被正确接收的最小信干比，h(·)为路径损耗函数。

3.根据权利要求1所述一种超密集环境下基于模拟退火算法的虚拟映射方法，其特征在于，所述第二步中，用户请求到达过程采用泊松过程，业务持续时间的分布采用重尾分布。

4.根据权利要求3所述一种超密集环境下基于模拟退火算法的虚拟映射方法，其特征在于，第二步中，所述业务到达模型具体为：其中，Pn(j，i)为第j个时隙业务持续到i时隙的业务数目为n的概率， 为第i时隙业务数目为n的概率，j1、j2、ji-1、ji-2为遍历变量， 为第1时隙持续到i时隙的业务数为j1的概率，Pj2(2，i)为第2时隙持续到i时隙的业务数为j2的概率， 为第i-1时隙持续到i时隙的业务数为j1-1的概率，Pn-j1-j2-…ji-1为第i时隙持续到达业务数为n-j1-j2-…ji-1的概率。

5.根据权利要求1所述一种超密集环境下基于模拟退火算法的虚拟映射方法，其特征在于，所述第二步中，信道分配矩阵为 所述信道分配矩阵 为：其中， 为第i时隙第n个基站的信道分配矩阵，d∈{0,1}，当dn,m＝1时，表示用户n占用信道m，当dn,m＝0时，表示用户n不占用信道m。

6.根据权利要求5所述一种超密集环境下基于模拟退火算法的虚拟映射方法，其特征在于，采用信道分配矩阵D对微基站n在时隙i信道的分配进行描述，在网络中微基站n在时隙i占用的信道集合为 且

7.根据权利要求2所述一种超密集环境下基于模拟退火算法的虚拟映射方法，其特征在于，所述第二步中，在超密集网络中嵌入的信道模型为简化的路径损耗模型，所述路径损耗模型为：其中，d为用户与基站之间的距离，d0是参考距离，λ为信号的波长，θ为路径损耗指数；

假设用户u的位置为Au，用户u服务的基站位置为Abu，占用信道为cu，将用户u服务的基站位置bu与其他同频基站的位置集合记为Bb，Bb＝{Bb1,Bb2,Bb3,...,Bbl},l＝1,2,...,L，所述用户u在时隙i受到的干扰功率为：其中，I(u,i)为用户u在时隙i的干扰功率，L为用户u服务的基站的同频基站的个数，Pw为用户u服务的基站的功率，h(·)为路径损耗函数，n代表基站的序号，q为每个基站中业务的序号， 为信道分配矩阵中的值，Au为用户u对应的位置，Abn为微基站bn对应的位置，Bbl为集合Bb中第l个基站位置；

在超密集网络中，许多用户能够同时发生通信，采用信干比来评价网络的性能，所述信干比为：其中，SINR(u,i)为用户u在时隙i的信干比，h(·)为路径损耗函数，σ2为噪声功率；

假设整个超密集网络的吞吐量为R(i)，所述整个超密集网络的吞吐量为：

其中，n代表基站，q为每个基站中的业务。

8.根据权利要求2所述一种超密集环境下基于模拟退火算法的虚拟映射方法，其特征在于，所述第四步中，所述分配模型为：其中，为整个网络在所有时隙的吞吐量，I为时隙的数目，W为整个网络的带宽，q为每个基站中的业务， 为信道分配矩阵中的值。

9.根据权利要求8所述一种超密集环境下基于模拟退火算法的虚拟映射方法，其特征在于，采用模拟退火算法求解分配模型。