无线通信技术的发展,使得正交频分复用（Orth ogonal Frequency Division Multiplexing,OFDM）技术得到了越来越广泛的应用。由于电磁环境的复杂性,所传输的OFDM信号带内极易串入其他通信信号。当传输信号和信道的特征不明确时,传统的干扰抑制方法往往无法有效地对OFDM信号带内的干扰分量进行分离或抑制,获取所需要的有用信号。本文以信号的稀疏表示理论为基础对OFDM信号带内的干扰抑制问题进行研究,主要研究内容如下:1.介绍了 OFDM基本原理,搭建了带内干扰下OFDM系统模型。分别从时域波形图,频谱图以及星座图三方面,对搭建的单载波通信干扰下的OFDM系统模型和窄带干扰（Narrow-Band Interference,NBI）下的OFDM系统模型的性能情况进行了仿真分析。2.从基于过完备字典的稀疏表示和基于压缩感知（Compressive Sensing,CS）的稀疏表示两方面阐述了信号的稀疏表示理论。对比介绍了基追踪（Basis Pursuit,BP）、匹配追踪（Matching Pursuit,MP）、正交匹配追踪（Orthogonal Matching Pursuit,OMP）三种稀疏分解算法和字典学习算法中的最优方向法（Method of Optimal Directions,MOD）、K-奇异值分解（K-Singular Value Decomposition,K-SVD）算法,并将两种字典学习算法的训练时间及重构误差进行了对比分析。3.针对OFDM信号带内单载波通信干扰的抑制问题,提出了基于学习字典和符号同步信息的干扰抑制方法。该方法首先根据OFDM信号和干扰信号形态成分的差异性,使用K-SVD算法分别构造OFDM信号和干扰信号的学习字典;然后,先对输入的样本信号进行符号周期分段,再进行分解与重构,并将分段重构的信号进行级联得到完整的重构信号;最后,使用对消法完成干扰信号的抑制。仿真结果表明,所提方法提高了信号的分解精度与重构概率,较传统置零法有更好的干扰抑制效果。4.针对OFDM信号带内NBI的抑制问题,提出了基于快速迭代CS的干扰抑制方法。该方法首先使用傅里叶变换基对NBI进行稀疏表示,再使用高斯随机观测矩阵降低稀疏信号的维度;然后,将快速迭代算法与重构算法和相结合,实现干扰信号的高概率重构;最后,使用对消法完成干扰信号的抑制。仿真结果表明,所提方法较传统CS方法和置零法而言,有更好的干扰抑制效果,且随着信号重构迭代次数的增加,抑制效果越来越好,理想情况下,当迭代次数足够多时,可达到无干扰时的系统性能。研究结果表明,所提出的基于学习字典和符号同步信息的单载波通信干扰抑制方法和基于快速迭代CS的NBI抑制方法均具有良好的干扰抑制效果,可有效降低系统的误比特率,具有一定的实用性。