高速铁路（High-Speed Railway,HSR）通信系统一直是人们关注的热点。随着高铁通信体系建设的不断完善和通信技术的飞速发展,未来的高速铁路无线通信网络系统将是多系统融合贯通的超大型异构网络,面临的干扰问题也更为严重。同时小区密集覆盖,以及用户数量和基站数量的增加,使得多用户干扰和小区间干扰显得尤为突出。其次,高速铁路通信系统不仅要考虑满足通信传输需求,还要考虑节约带宽资源和减小通信系统的功率消耗来提升频谱效率和能量效率。本文正是在这样的背景下,开展基于功率优化分配的干扰对齐技术研究。干扰对齐（Interference Alignment,IA）是一种有效的干扰管理技术,针对高铁多用户干扰场景能够有效的消除干扰和提升网络容量。目前传统的干扰对齐算法并没有根据实际信道的传输特性对用户进行合理的功率分配,对于那些信道传输环境比较差的用户而言,系统当中的功率对系统性能影响明显。因此,合理有效的功率分配不仅能够提升系统的能效而且能够优化干扰对齐算法改善系统性能。本文首先提出在高速铁路通信场景下基于用户移动性预测的干扰对齐算法。算法首先根据移动性预测理论将列车用户划分为小区中心用户和边缘用户,然后根据不同类型用户进行功率分配和有效的干扰管理,从而改善高速铁路无线通信用户的服务质量受速度和密度影响的问题。仿真结果表明,该算法能够提高用户分类准确性,提升功率分配的合理性,并优化干扰对齐算法提升系统性能。其次,提出基于博弈论的双目标优化干扰对齐算法。针对高速铁路信道的非平稳性以及场景多变,本文建立了高铁非理想信道模型,并提出了一种基于博弈论的双目标优化干扰对齐算法,算法设计了基于博弈论的双目标优化功率分配模型,通过降低能耗和提高吞吐量来提高能量效率,并进一步优化干扰对齐算法。仿真结果表明,基于博弈论的双目标优化干扰对齐算法适用于高铁环境,而且在提高系统吞吐量、能效以及传输可靠性方面有较好的表现。最后,提出了基于生成对抗网络功率分配的干扰对齐算法。针对目前传统功率分配算法存在实时性差、计算复杂度高的问题,本文利用用户位置已经具备了传播信道和网络干扰的主要特征,使用生成对抗网络（Generative Adversarial Networks,GAN）有效地利用户位置来学习获得接近最佳的功率分配策略,从而降低功率分配的计算复杂度、提升实时性,并优化干扰对齐算法。仿真结果表明,基于GAN的算法对比传统方法在性能以及实时性方面更具优势。