随着信息技术的迅速发展,越来越多的通信设备投入使用,频段占用混杂再加上有意的电子干扰,使得电磁环境日益复杂。单一抗干扰方式不能动态适应多种应用场景,具有局限性与针对性,无法兼顾通信效率与抗干扰性能。本文结合深度学习算法设计了波形自适应决策协议,通过决策技术融合非连续正交频分复用技术、变换域通信系统、扩频的抗干扰能力并优化系统发射参数,能有效提高系统的传输效率及可靠性。本文首先阐述了干扰认知与抗干扰决策技术、深度学习的典型算法原理,在此基础上研究了通过深度学习算法实现抗干扰决策智能化的结合思路。本文分析了如何通过全连接网络的数据拟合能力设计波形决策引擎,实现抗干扰模式与调制参数的自适应选择,使系统能够根据环境态势选择高效可靠的通信波形。随后研究了如何利用卷积网络的模式分类能力,优化样本高阶特征提取过程,提升系统的识别能力及决策准确率。在适应不同通信需求以及误差纠正方面做了相应改进,以此增强系统的泛化能力。在未知干扰情况下对决策架构进行预测仿真,与实际仿真结果进行了对比分析。本文研究的决策协议能够对未知电磁环境进行动态评估,选择合适的抗干扰波形,在提升通信效率的同时也提升了自愈能力,验证了深度学习与抗干扰技术相结合实现通信智能化的可行性。