对流层散射信道因具有强抗毁灭性、可有效抵抗强干扰、越障能力强,被广泛地运用在超短波超视距无线通信中。但散射信道传输路径损耗大、可能工作在低信噪比、存在时间和频率双重选择性衰落性,导致利用散射信道开展超远距离通信极具挑战性。针对上述散射信道特征,本文开展了散射通信链路自适应传输技术研究,主要包括信道质量测量、多种速率MCS传输和切换控制方案等方面的内容。从大尺度衰落、小尺度衰落和信道时频幅度三维图的角度分析了对流层散射信道特性,并结合经典的散射信道确立了仿真信道模型。本文选择具有时频二维联合框架的单载波交织频分复用系统SC-IFDM作为通信体制,有效克服了散射信道的时频双选衰落等复杂的信道特性。在信道质量测量方面,主要研究了散射信道低SNR估计和信道质量指标（LQM）映射算法。首先,利用SC-IFDM独特的帧结构,提出了一种SNR盲估计方法。与原有的算法相比,本文所提的算法明显改善了低SNR的估计范围和准确性,将SNR的估计范围提升到-18dB,其NMSE在10^-1以下,使用盲估计方法,可以有效节约系统的导频符号开销。低SNR的准确估计,为后续研究LQM映射算法和参数切换控制奠定基础。接着,研究了两种常见的LQM映射算法,一种是直接映射函数算法,EESM和LESM映射算法;另一种是互信息有效映射（MIESM）算法,介绍了平均每比特互信息（MMIB）算法,经映射算法得到一维的有效SINR,用于传统的查表法切换控制方案中。最后,为提高反馈效率,研究了信道质量反馈策略。在链路自适应传输方面,主要研究了多种速率MCS传输和切换控制方案。为确保散射通信系统的稳健传输,分别优化了信道编码和速率匹配、调制解调及提取软信息、频率分集合并等传输方案;通过组合编码码率、调制方式和分集阶数等,设计了11种不同信息速率的MCS传输方案,满足不同速率的业务需求,实现单用户的可调传输速率范围为100kbps¹.25Mbps。针对基于一维LQM反馈链路不准确的问题,将机器学习应用到链路自适应切换控制中,通过训练样本数据适应信道环境的变化,动态地调整MCS切换控制方案。本文主要研究了基于分类思想的SVM和基于最大回报函数的Q学习两种机器学习方法,优化MCS切换控制策略,提升了链路通信系统的吞吐量性能。采用机器学习的方法,保留高维度的信道质量信息,使MCS的切换控制更加准确,有效提高了对流层散射通信链路系统的吞吐量。