网络对抗是近年来认知电子战领域中的研究热点,包含网络识别、网络干扰和抗干扰等方面。战场环境中常采用自组织和链路易变的无线网络。在非合作条件下如何获取无线自组网（Ad hoc网络）的MAC协议信息是网络对抗的重点内容,也是进行网络干扰的基础。针对该问题,本文研究基于神经网络的MAC协议识别技术,主要工作如下:1.搭建实验环境。首先利用可编程开源网络模拟器NS-3仿真Ad hoc网络,在网络外设置探测节点,进行非合作方式采集网络通信时序;其次对探测获取的网络通信时序数据进行物理层模拟,包括调制、加噪、滤波、能量检测;将能量检测恢复的时序数据作为本文的支撑数据;该步骤较真实地模拟了实际对抗场景。2.针对三类MAC协议的类间识别问题,提出了新的物理链路层特征提取方案和基于RNN的识别算法,进行了内场和外场的测试工作。在接收信噪比大于3d B且自组网有一定负载时,仿真结果表明,该方法对类间识别能达到98%以上的准确率;内场测试结果表明,该方法对分配类协议能达到95%以上的准确率;外场实测结果表明,该方法对类间识别能达到90%以上的准确率。3.针对竞争类MAC协议的内部识别问题,提出了传统识别算法和基于多种神经网络的识别算法。该方法首先对竞争类内部识别问题设计了新的物理链路层特征提取方案,然后设计了基于LSTM和Dense Net的识别算法。仿真结果表明,该方法在接收信噪比大于3d B且自组网有一定负载时,对竞争类MAC协议的内部识别问题能达到95%以上的准确率。4.针对Dense Net推断时间较长问题,提出了模型的FPGA部署方案。该方案以ZCU102开发板为硬件基础,基于新型的模型硬件开发环境Vitis-AI完成部署工作。测试结果表明,该方法以较小的模型准确率损失为代价,使Dense Net的推断时耗降低了90%,功耗降低了97%。本文基于物理链路层特征和神经网络进行MAC协议识别,并用FPGA加以优化,能在战场环境下快速准确地获取Ad hoc网络的MAC协议信息,在网络对抗中具有较高的应用价值。