近年来，干扰对齐(Interference Alignment, IA)作为一种全新的处理干扰并提高系统自由度(Degree of Freedom, DoF)的方法被提出。干扰对齐的核心便是将干扰信号的维度进行最大程度的压缩，或者使干扰方向最大程度地落入预定义的干扰子空间，而剩余的信号空间未被干扰信号污染，用来传输有用信号。本文研究基于奇异值分解(Singular Value Decomposition, SVD)的机会干扰对齐(Opportunistic Interference Alignment, OIA)正是利用了干扰对齐的核心思想，相比干扰对齐中使用的迭代算法，仅以较低的复杂度，并结合多用户选择，即可在多输入多输出(Multiple-Input-Multiple-Output, MIMO)蜂窝小区上行链路中实现干扰对齐。本文重点研究了基于SVD分解的机会干扰对齐的理论中断概率(OutageProbability, OP)及误符号率(Symbol Error Rate, SER)，并设计了新的用户选择机制，提高了选择过程的公平性。机会干扰对齐的研究大多集中在设计用户选择机制，降低计算复杂度，并讨论系统速率上，而研究机会干扰对齐技术的可靠性，或者理想信道状态信息(Channel State Information, CSI)无法完全获取情况的较少。本文将重点放在基于奇异值分解的机会干扰对齐的中断概率、误符号率等性能上，其理论分析在第二章给出。第三章则在更贴近实际情况的非理想信道条件下对机会干扰对齐技术的可靠性进行了分析。另外，现有的文献设计的用户选择机制均是基于最大速率或最大信干噪声比(Signal to Interference plus Noise Ratio, SINR)等，没有考虑用户由于信道条件无法满足要求而很长时间不被选中的情况，即选择公平性的问题。基于此，本文第四章将代价函数机制加入到用户选择过程中，使新的用户选择机制能够有效地提高选择过程的公平性，更多的用户能够参与通信。首先，本文计算了理想及非理想信道条件下基于机会干扰对齐算法的MIMO小区上行链路中干扰泄漏程度。通过使用随机矩阵中Wishart矩阵最小特征值分布及次序统计量的相关理论，得到在基站处，也就是收端干扰功率的分布。其次，在收端使用排序的连续干扰消除(Ordered Successive InterferenceCancellation, OSIC)处理小区内的用户间干扰，并利用得到的干扰功率的分布推导出系统的信干噪声比分布，及基于奇异值分解的机会干扰对齐模型的中断概率、误符号率的表达式，并予以仿真验证。与干扰对齐相比，在发端信噪比(Signal-to-Noise Ratio, SNR)为0-25dB的区域性能相当。另外，由理论分析得到了以下两点结论：1)应用基于奇异值分解的上行机会干扰对齐技术得到的分集增益为d=1。2)基站只需要有比选出的用户数量更多的天线来分配有用信号与干扰信号的空间即可，而不影响系统性能。最后，在传统的用户选择机制中加入代价函数，提高用户选择过程的公平性，使更多的用户有机会被基站选中进行通信，并分析了中断概率性能的下界，即系统实现最大公平程度的情况，并仿真验证。