无线通信业务的不断涌现和升级,使得固有的频谱资源更加难以满足新业务的需求。针对该问题,认知无线电技术的提出为频谱资源的利用带来了巨大的变革。次用户通过频谱感知发现频谱空洞,调整其参数在不会对主用户通信造成阻碍的条件下接入到主用户的频段中,以达到显著地提高频谱利用率的目的。而认知系统中干扰又是一个不可忽略的核心问题。为此,本文着重针对认知MIMO网络中的干扰对齐技术进行研究。论文主要研究内容如下:针对认知MIMO网络中,传统基于最大信干噪比的干扰对齐算法在发送多数据流时,随着信噪比的增加不易收敛以及数据流之间的干扰突出的问题,研究一种充分考虑数据流间干扰并进行迭代限制的干扰对齐算法。首先,由次用户系统独立地消除主次用户之间的干扰;然后,在消除主用户之间和次用户之间的干扰时,运用广义瑞丽熵计算基于最大信干噪比算法的预编码与干扰抑制矩阵,并在迭代过程中,每次迭代始终使预编码与干扰抑制矩阵先满足干扰功率在期望信号空间最小;最后,推导出该算法下次用户可达自由度上限。仿真结果表明,相较于对比的算法,所研究算法提高了收敛速度和抑制干扰的能力,并随着信噪比的增加次用户和容量的优势也随之增加。针对多对主用户、多对次用户的认知MIMO网络中,由次用户系统独立地进行消除主次用户之间的干扰,使次用户系统性能不理想的问题,研究一种联合主次用户信道矩阵进行三角分解的干扰对齐算法。首先,对主、次用户系统的信道矩阵根据信道质量进行排序;然后,对联合排序后的主、次用户系统的信道矩阵进行三角分解。最后,推导证明了该算法下次用户的自由度上限,并利用最小均方误差来实现次用户系统内的干扰对齐。仿真结果表明,相较于对比的算法,所研究算法有效地提高了次用户的自由度上限以及主用户系统和次用户系统的和容量、能量效率以及抑制干扰能力。