随着现代无线通信技术的快速发展,空间电磁环境变得越来越复杂,产生了严重的电磁干扰。在现代战争中,干扰和抗干扰成为电子战和信息战对抗的重要形式。如何抑制干扰,在恶劣的环境下保证通信的有效性和可靠性,成为当今通信技术研究的重要课题之一。压缩感知理论是一种全新的信息获取理论。只要信号在某个变换域是稀疏的或者可压缩的,就能低于奈奎斯特采样率进行低速采样,同时通过一个与稀疏矩阵不相关的观测矩阵降低维度,再由重构算法高概率地恢复出原信号。本文将抗干扰技术和压缩感知(Compressed Sensing,CS)理论相结合,研究了基于压缩感知的窄带干扰抑制技术。主要研究内容体现在以下几个方面:首先,介绍了传统干扰抑制算法,包括时域干扰抑制、变换域干扰抑制和码辅助干扰抑制等。其中,较为详细地介绍了频域变换干扰抑制技术,包括干扰门限的选择和对干扰的处理方式。然后,本文研究了压缩感知框架的三个主要内容,即信号的稀疏表示,观测矩阵的设计,信号的重构。例举了傅里叶变换基、离散余弦变换基、小波变换基的稀疏变换效果;介绍了观测矩阵的设计原则,即有限等距性质和不相关性,研究了几种常见的观测矩阵,并测试了在不同观测压缩比下对于稀疏信号的重构性能,其中高斯随机矩阵与大多数稀疏矩阵具有低相关性,是理论上的最优观测矩阵;研究了三类重构算法各自的典型算法,并对稀疏信号的重构性能进行对比,其中正交匹配追踪算法实现简单,重构效果良好,应用最为广泛。接下来,提出了基于压缩感知的干扰抑制算法,利用压缩感知技术实现对干扰的重构,再以时域对消的形式抑制干扰。本文通过加窗的方法抑制窄带干扰在频域变换后存在的频谱泄露现象,再用重叠加窗的方式弥补由窗函数带来的信噪比损失。为了处理包含信号、干扰和噪声的混合信号,研究了干扰门限算法用于确定干扰的稀疏度,并验证了其可行性。通过对存在窄带干扰的BPSK(Binary Phase Shift Keying)传输系统进行测试,基于压缩感知的干扰抑制技术确实能够实现干扰抑制,但和传统的频域置零干扰抑制性能相比稍差,通过分析得知,通过压缩感知抑制干扰时,干扰频点位置判定的偶然错误是导致其性能差异的主要原因。最后,在前面的算法基础上进行改进,提出了基于压缩感知的迭代干扰抑制算法,用迭代的方式来实现对干扰的精确重构。基于压缩感知的干扰抑制技术的关键在于干扰重建的性能,也就是说干扰重建越理想,系统的误码性能会越好。在高斯和瑞利信道下,分别对BPSK传输系统中的单音、多音和窄带干扰进行抑制,仿真结果显示,通过迭代算法,干扰的精确估计和信号的解调性能可以形成一种良性循环,更好地抑制干扰,改善传输性能。