互干扰信道系统,是指多条链路干扰共存的移动通信系统,如D2D通信系统、无线传感器网络、家庭基站网络、异构网络等等。链路间的相互干扰必然造成能量的浪费,因此如何提升互干扰信道系统的能效是提升互干扰系统运行性能的关键。本文围绕如何提升互干扰信道系统的能效问题展开了研究,主要工作如下：一、提出了一种基于分布式自适应代价因子机制的算法来求解SISO互干扰信道系统的加权和能效问题,证明了所提算法可以收敛到加权和能效问题的KKT点；为了降低该分布式算法的反馈量,给出了有限信息交互策略,也即每个接收机只将它的代价因子广播给附近对它干扰较大的发射机,仿真结果表明这种有限信息交互策略的性能损失较小；另外,还提出了一种基于梯度映射联合Armijo准则的集中式算法来作为分布式算法的性能准则,仿真结果表明所提分布式算法的性能与集中式算法的性能相近。二、提出了一种基于分布式自适应代价因子机制的算法来求解MISO互干扰信道系统的加权和能效问题。该分布式算法的基本思想有两个要点：1)每个用户自适应调节自己的标量代价因子,然后将其广播给网络中所有用户,当每个用户接收到所有其它用户的代价因子后,通过调整自己的波束成形矢量来最大化自己的能效值和干扰代价的差：2)给定系统所有用户的更新顺序,依次更新。要点1)的工作：与SISO场景相比,MISO场景下每个用户最大化自己的和能效时,不仅需要优化功率,还需要优化波束成型矢量。论文将用户波束分解为波束方向和波束功率两个部分,然后分别优化。分别针对用户信漏比矩阵满秩和非满秩情形,推导了最优波束方向的近似闭合表达式。对于满秩情况下的功率分配问题,给出了全局最优解的闭合表达式；非满秩情况的功率分配问题是一个包含两个优化变量的非凸问题,论文通过求解KKT方程也给出了全局最优解的闭合表达式。要点2)的工作：证明了对于给定的用户顺序更新方案,波束优化迭代算法的收敛性。最后,给出了基于梯度映射联合Armijo准则的集中式算法来作为分布式算法的性能准则,仿真结果表明所提分布式算法的性能与集中式算法的性能相近。三、研究了MIMO互干扰信道系统中的非协作能效优化问题,主要工作如下：1)将该问题建模为一个非协作博弈问题,证明了该博弈问题纳什均衡点的存在性,并给出了纳什均衡点唯一性的充分条件。2)给出了可以收敛到纳什均衡点的完全分布式迭代算法。该算法的优点是,所有用户可以完全异步更新自己的发送相关矩阵,也即允许某些用户比其它用户更加频繁地更新它的波束矢量,甚至可以使用过期的测量出的干扰信息；另外,不同链路之间不需要相互交互信息。这些特性使得该算法更加适合实际应用。3)给出了上述完全异步算法收敛到博弈问题纳什均衡点的充分条件；4)针对链路间相距较远的场景,研究了硬件功耗对系统频谱效率和能量效率的影响,证明了最优的能量效率随着随着硬件功耗的增加而增加,而相应的频谱效率随着硬件功耗的增加而减小。尽管这个趋势是在特殊场景下推导的,仿真结果表明这个趋势也适用于链路之间存在一定干扰的更一般的场景。5)给出了两种特殊场景下本文所提算法的频谱效率和能量效率之间的折中关系。四、在同时保证次级用户的和速率需求以及对主用户的干扰限制低于一定门限的条件下,研究了认知多信道互干扰信道系统中的功率最小化问题。主要工作如下：1)讨论了问题的可行性。给出了一种验证功率最小化问题是否可行的方案。具体做法是,引入一个能判定问题是否可行的参数联合优化问题,优化后的参数不小于1,则原问题可行,否则不可行。构建的参数联合优化问题总是可行的,并且可以通过交替迭代求解“功率控制问题”和“波束方向优化问题”这两个子问题得到参数联合优化问题的解。第一个功率控制问题是给定波束方向下优化各个波束上的功率分配问题,是一个SP (signomial programming)问题,可以通过一系列几何规划来求解；第二个波束方向优化子问题是给定各个子载波上信干噪比约束下最优化波束成型矢量的优化问题,这个问题可以转化为一个凸问题,本文利用原问题和对偶问题之间的对偶陷为零的依据设计了一种基于对偶分解的方法来求解该问题。2)对于可行的原问题,给出了一种迭代算法来求解功率最小化问题。与判定原问题是否可行类似,也将功率最小化问题分为“波束方向优化”和“功率分配”这两个子问题来求解,并证明了所提的迭代算法可以收敛到原功率最小化问题的KKT点。