异构网(Heterogeneous Network,Het Nets)是5G的关键技术之一,提高了网络容量和数据速率,解决了传统小区覆盖盲区的问题,但是愈加复杂的干扰问题也随之而来,这会导致系统的性能的下降。然而,如果一昧的优化系统的频谱效率却忽略了系统的能量效率,系统性能并不会达到最优。本文主要针对如何减少异构网的干扰,对基于能效最优的干扰对齐(Interference Alignment,IA)技术展开研究。首先,介绍了干扰对齐技术在异构网中的实现原理及其经典算法。在完美信道状态信息(Channel State Information,CSI)的场景下,介绍了三种经典的分布式迭代IA算法,Min IL、Max SINR和MMSE-Based IA算法。由于干扰对齐能达到很高的自由度(Degree of Freedom,Do F),所以系统和速率性能是随着用户数量增多而增长的;在低信噪比时,Max SINR算法的和速率性能优于Min IL的和速率性能;在高信噪比时,这两种算法的和速率趋于相等;但是MMSE-Based IA算法的和速率性能是三者之中最差的。其次,展开了在信道状态信息不完美的场景下,即信道估计存在误差时,信道估计误差对系统和速率性能影响的研究,本文提出了一种具有鲁棒性能的干扰对齐算法,但数学模型是一个非凸问题,本文采用迭代求解的方法将此问题分为两个子问题,然后再分别用瑞利利兹法进行求解,相比于Min IL、Max SINR和MMSEBased IA算法,所提算法降低了系统和速率性能受信道估计误差的影响,使得系统更加稳定,更加具有抗信道估计误差变化的特性,也更加适用于实际应用。最后,在建立的通信系统功耗模型的基础上,分析了之前各个算法在平均功率分配下的系统能效;然后再利用注水算法对发射功率进行分配,再次对各个算法进行了能效仿真,仿真表明,注水算法可以提高系统的能效。而且第三章提出的具有鲁棒性能的干扰对齐算法可以获得很好的能效,故在此基础之上,本文提出了一种最大化能效的干扰对齐算法,此模型也是非凸问题,故采用基于零梯度的局部最优求解算法进行优化推导,仿真证明此算法可以进一步提高通信系统的能效。