随着无线通信技术的发展,在有限的频谱资源和越来越高的通信速率需求的矛盾下,无线通信网络向着多天线和异构网络等方向发展,导致网络变得越来越复杂。尽管这些技术能够大幅度提高系统容量,但是用户之间产生的大量的干扰又严重影响了无线通信网络的系统容量。为了解决这一问题,出现了以干扰对齐为代表的新型干扰管理技术。干扰对齐在发射机和接收机之间通过预编码和干扰消除,把来自于不同用户的干扰信号对齐到维度更小的干扰子空间中,提高了系统容量。与传统的干扰消除技术相比,干扰对齐在提高系统容量上有明显的优势。大多数干扰对齐方案都是在多用户MIMO系统的基础上提出的,然而,这些研究大多是建立在理想信道状态信息的假设条件下进行的,在实际应用中的非理想信道条件下,求解出预编码矩阵和干扰抑制矩阵后,会因为信道状态信息存在误差而使干扰信号在信号空间中的投影增大,导致用户之间的干扰增大,这会大大影响通信系统的性能。干扰对齐算法的复杂度随着用户数量的增加呈指数级增加,如何对干扰对齐算法进行简化,降低其复杂度也是干扰对齐算法的研究方向之一,有待进一步研究。本文具体内容如下:1.本文介绍了多用户MIMO系统中的几种常见网络模型,对干扰对齐算法中的线性干扰对齐算法、渐进干扰对齐算法和分布式迭代干扰对齐算法,包括最小均方误差算法、最小干扰泄露算法、最大信干噪比算法进行了研究,并对最小干扰泄露算法和最大信干噪比算法的系统容量进行了仿真分析。2.在非理想信道条件下对分布式迭代干扰对齐算法造成的性能影响进行了分析,并对经过非理想信道条件下优化后的最小干扰泄露和最大信干噪比算法进行了理论推导,由干扰协方差矩阵求出预编码矩阵和干扰抑制矩阵,并通过仿真分析验证了算法的系统容量和误码率。3.考虑单小区多用户MIMO场景,在GMD分解干扰对齐算法的基础上,提出了一种非理想信道状态信息下的GMD分解干扰对齐算法,首先对信道矩阵做GMD分解获得等效信道矩阵,然后将非理想信道代入MMSE干扰对齐算法,以最小化误差项为目标,推导出预编码矩阵和干扰抑制矩阵。由于GMD分解是该算法相对于传统的非理想信道下的干扰对齐算法具有更低的复杂度,在相同信噪比下,在不影响迭代速度的前提下获得了更高的频谱效率。