MIMO-OFDM系统以其能够提高频谱资源利用率和对抗信道频率选择性衰落这样独特的优势而成为第四代通信系统的核心技术。然而作为宽带系统,难免会与外系统共用频带,而且OFDM信号固有的高均峰比,这些使得MIMO-OFDM系统的窄带干扰和非线性失真难以避免。而且随着通信业务的发展和需求不断膨胀,系统在单位时间内待处理的信号大量增多,这对在系统接收端实现非线性失真的估计和窄带干扰的检测也带来极大的困难。2007年提出的压缩感知理论为这些问题提供了一种有效地解决方案,它通过采用特定的重构算法从包含信号完整信息的少量采样值中恢复原信号,极大降低了通信系统的采样率。因此采用重构算法完成非线性失真的估计和窄带干扰的检测已成为目前无线通信领域中的研究热点。但是由于现有的重构算法复杂度较高,收敛性能不佳,不能很好满足系统实时性要求。基于以上分析,针对现有重构算法在解决非线性失真和窄带干扰问题上存在的缺陷,提出采用效果较好的自适应重构算法这一改进措施,使重构算法在这两类问题上的求解性能得到全面提升。论文的主要研究内容包括以下两个方面。首先,深入研究非线性失真时域稀疏性的基础上,针对基于凸优化的OFDM系统的非线性失真估计所存在的问题,将自适应重构算法用于解决OFDM系统非线性失真的估计问题;再通过理论深入分析2*1 MIMO-OFDM系统存在的非线性失真,在时域对其完成建模,并在系统的接收端采用自适应重构算法对MIMO-OFDM系统非线性失真进行估计。其次,针对目前采用压缩感知解决MIMO-OFDM系统窄带干扰检测存在的缺陷,采用稀疏度自适应的重构算法对其进行改进。该算法不需要预知信号稀疏度,可以自适应且快速地收敛到信号最真实的稀疏度,因此很适合解决窄带干扰这种稀疏度未知的稀疏信号。