干扰对齐(Interference Alignment, IA)技术预先在发送端通过预编码对接收端将会收到的干扰信号进行对齐，能够使这些干扰信号在接收端所提供的有限的维数空间上重叠，从而达到压缩干扰信号空间的目的，并增大了其对应的目标信号子空间的空间维数，使得系统的自由度变大，继而增大了系统容量。因此，干扰对齐技术成为近年来国内外研究的一个热点。论文主要对MIMO系统下基于矩阵分解的干扰对齐算法进行研究，包括MIMO干扰信道、MIMO广播信道和MIMO多址信道中的干扰对齐算法，主要工作如下：首先，本文针对K用户MIMO干扰信道提出了一种协作干扰对齐优化算法，通过对信道的奇异值分解，基于矩阵弦距离，不仅选出一组最好的特征子信道来传输信号，而且还选取一组有利于有用信号远离干扰信号的预编码矩阵，这样可以最大化减少干扰对有用信号的影响，另外，还根据得出的预编码矩阵来计算和优化干扰抑制矩阵。仿真显示系统性能得到了明显改善。其次，本文针对蜂窝小区下行链路的MIMO广播信道(BC)，在不改变系统自由度的前提下对联合信道进行QR分解，得到系统的等效模型，在此基础上根据不同小区受到的干扰不同，提出了一种线性干扰对齐设计方案来同时消除小区间干扰和小区内干扰。该算法在用户还没有接收到信号之前，利用联合信道分解可以先消除一半的小区间干扰，并减少用户端接收矩阵个数及相应处理，从而降低了接收端复杂度。然后，对系统容量和能量效率仿真，证明了该算法可以改善蜂窝小区性能。进一步，本文针对三小区蜂窝上行链路的MIMO多址信道(MAC)，对联合信道进行重新组合，得到两个信道矩阵，然后分别对其进行矩阵分解，从而得到系统的等效模型。由于等效模型的作用，前两个小区干扰较少，主要考虑第三个小区内的干扰来进行干扰消除，给出了一种线性干扰对齐设计方案来消除小区间干扰和小区内干扰，并分析了干扰可完全消除情况下的天线配置和自由度。结果表明，不仅减少了发送端和接收端的总天线数，而且还使得系统性能有较为明显的提高。