随着通信技术的快速发展，传统的单一频率通信已不能满足现代通信的要求，跳频通信凭借良好的抗干扰性、低截获概率和易于组网等特点，在军事和民用两方面均得到越来越多的应用，采用跳频方式进行通信对电子对抗技术提出了严峻的挑战。用来控制载波频率跳变的跳频序列对跳频通信系统具有决定性的影响，在进行通信干扰时，如果能够对跳频频率序列的跳变规律进行有效预测，将能够大量节省干扰带宽和功率。因此，本文针对跳频序列预测问题，提出一种贝叶斯网络预测模型，主要工作概况如下：首先，依据低维空间中跳频序列表现出复杂的伪随机性、非线性等混沌特征，分析了相空间重构的必要性和可行性，讨论了相空间重构中如何选取最佳嵌入维数和时间延迟。仿真实验表明相空间重构可以展开跳频序列的原始动力学特性，并且重构后的相空间与原系统是微分同胚的，在高维相空间中进行跳频序列预测，等价于在低维空间中的预测。其次，在相空间重构理论基础上，提出一种用于跳频频率序列单步预测的贝叶斯网络模型，以重构后的相空间作为先验数据信息，通过贝叶斯网络结构学习和参数学习建立预测模型，进而通过采用贝叶斯网络推理算法，达到对跳频序列预测的目的。对四种混沌系统产生的跳频序列进行预测仿真研究，仿真结果表明贝叶斯网络预测模型可以对跳频序列实施有效预测。最后，为了提高预测模型的实时性，本文对跳频序列多步预测进行了原理分析，并对最佳的模型学习数据量进行了研究。仿真结果表明，在一定的步长内，多步预测结果的精度和单步预测结果精度差别甚微，因此，贝叶斯网络预测模型对跳频序列进行多步预测时，优于其它预测模型。