随着电磁空间用频网络设备逐渐增多,频谱资源变为了更加重要的战略资源。这就意味着实现信息交换的通信网络需要能够做到全覆盖并且极为智能,必须对卫星网络的干扰情况与可用频谱资源有所了解,依靠干扰等结果设计合适的频谱接入方案。在整个通信系统中,还需要通过信关站完成精度更高的感知系统。因此为了提高卫星网络性能,势必需要对卫星网络干扰以及其频谱感知和接入方案进行研究。本论文对大规模通感一体化卫星网络智能频谱接入技术展开研究,主要工作包括以下三个方面:一、建立了非静止轨道（Non-Geostationary-Satellite Orbit,NGSO）大规模卫星轨道模型,并依据时间分析和空间位置分析的方法进行了系统星座间干扰和信道容量的分析,为之后的强化学习奖励设置做基础,并利用梯度提升机（Gradient Boosting Machine,GBM）算法和长短期记忆（Long short-term memory,LSTM）算法来进行频谱感知,为跨层的频谱接入技术做了物理层和链路层的准备。二、针对卫星网络感知结果可能存在的模糊与不准确的结果的情况,对大规模卫星系统进行频谱分布式接入的研究工作。采用深度强化学习深度强化学习结合回声状态网络（Echo State Network,ESN）对卫星系统进行频谱接入,获取适合多节点多频段的智能卫星环境的频谱接入技术。三、针对非固定非静止轨道卫星网络的端到端流式传输模式,根据大规模灵活节点网络的特性,将卫星网络结合地面的自组织网络构建卫星自组织网络。针对这种卫星自组织网络,对网络中的通信流进行研究,研究不同流的频谱接入策略。结合深度强化学习,采用Dueling深度Q学习网络（Deep Q-Network,DQN）对各个网络节点代理进行训练,完后各个节点频谱接入工作,实现高信道容量和低通信饰演的功能。