链路自适应技术可以提高数据传输速率、吞吐量和频谱效率,被长期演进(Long Term Evolution,LTE)上行链路采用为关键技术,而反馈信息的实时性和干扰状态会对自适应技术的性能产生重大影响。一方面,为了减小LTE固有时延的影响,确保反馈的信道状态信息(Channel State Information,CSI)的实时性,需要对信道质量进行预测。另一方面,为了减小小区间干扰(Inter Cell Interference,ICI)的影响,改善信干噪比估计,可以通过小区间合作的方式进行干扰预测。本文首先对LTE系统的研究背景及意义进行了分析,并对上行链路关键技术进行了总结。从LTE上行链路系统入手,分析了系统的帧结构及小区分布场景,给出了相应的信道和干扰预测方案。论文的主要研究内容及成果如下:基于高速(60~120km/h)和低速(20~50km/h)两种场景开展了信道预测的研究。在高速场景下,首先提出了变系数AR模型预测算法,利用AR模型对多项式预测的结果进行调整,相比多项式拟合算法,该方案的预测性能有小幅提升;其次,利用现有的自适应滤波算法(卡尔曼、递推最小二乘)进行信道预测,通过对大量样本的学习不断更新模型系数,具有较好的预测效果(3ms)。在低速场景下,依据混沌理论,提出了基于相空间重构的径向基函数(Radial Basis Function,RBF)神经网络预测算法,将一维信道系数序列映射到高维空间中,用相空间中的混沌吸引子进行预测,仿真结果表明,该算法有效预测时长可达到5ms。围绕Muller A和Diehm F提出的小区间合作干扰预测(Cooperative Interference Prediction,CIP)算法开展了干扰预测的研究。首先,考虑到计算复杂度及准确性,对CIP算法的部分参数进行了简化。然后,针对软交换(SDE Decision Exchange,SDE)和等概率调度(Equal Probability Exchange,EPS)两种CIP算法性能相近的原因进行分析并提出了三种改进方法:对指定传输速率进行衰减,对等概率调度方案的干扰功率进行特殊设置,相邻小区选择主要干扰源。仿真结果表明,软交换是最佳的CIP方案,其小区平均传输速率(单位:bpcu)比等概率调度方案高0.2 bpcu,CIP算法可有效降低ICI的影响,改善系统性能。