随着日常生活对数据流量的井喷式增长,未来网络面临的挑战愈来愈大。为了满足大家对网络数据流量的井喷式增长的需求,超密集网络已经是解决这项需求的关键方法。超密集网络(Ultra Dense Network,UDN)作为对室内和室外的热点地区提供接入,满足业务服务,已经成为第五代移动通信系统的关键技术。接入点(Access Point,AP)半径不断地缩小,造成用户设备(User Equipment,UE)频繁地切换、数据传输中断率上涨等恶劣情况,干扰连续性,影响用户体验。在UDN环境下,传统的移动性管理算法己经不再能适用于未来网络。如何解决UDN环境下的移动性管理问题,增强用户体验,已经成为未来网络发展的关键挑战。因此,本论文针对UDN场景,研究并设计更有效的移动性管理中的切换方法,旨在减少切换时延,使得业务的连续性得到保障,增强用户体验。首先从网络架构出发,本文提出了基于SDN和NFV融合的超密集网络移动性管理算法,针对传统的网络架构不能解决超密集网络即将遇到的切换冗余,切换信令过多导致切换时延变长,影响用户体验的情况,在网络架构中纳入SDN和NFV融合的理念,用虚拟网元代替实体网元。在SDN和NFV融合的网络架构中,提出优化的切换信令过程,并建立数学模型,进行性能分析。仿真结果表明,相较于传统算法,该算法可以有效减少信令交互,从而减少切换总时延,适应超密集网络,增强用户体验促进网络间负载均衡,有效提高网络容量。其次,本论文提出了基于阈值自适应调节的超密集网络切换算法。该算法将机器学习的思想添加在模糊逻辑中,即一种改进的动态模糊Q学习算法,用于小型小区中的移动性管理。该算法逐渐产生新的模糊规则,并通过系统学习,使切换迟滞余量自适应调节。仿真结果表明该算法通过获得更佳的切换参数,从而达到由切换引起的信令成本与受呼叫丢失率影响的用户体验之间的平衡。最后完成了LTE小基站超密集组网的管理控制平台的设计和实现。系统以LTE小基站和核心网设备搭建的实际的超密集网络为基础。小基站通过SDN交换机连上核心网。SDN控制器与小基站通过OPENSC协议进行连接与通信,控制器收集基站配置和资源,通过控制器与小基站通信测试、基站配置参数获取测试、基站性能优化测试等测试,验证了系统达到对小基站密集组网的可视化管理控制的效果,并且实现了UE移动过程中的切换优化。