随着人工智能技术的发展,具备认知能力的通信干扰技术成为了当前的研究重点。认知通信干扰技术要求干扰机能够根据环境的变化实现自主学习,从而给出最优的干扰策略。在复杂多变的战场环境下,各种抗干扰技术的使用极大地增加了有效干扰的难度,因此,如何利用复杂多变的战场电磁信息智能地进行干扰波形决策成为了当前战场通信干扰领域亟待解决的问题。针对上述问题,本文基于强化学习理论,重点研究非合作条件下的智能干扰波形决策问题,具体而言,主要创新工作如下:首先,针对静态目标的最优干扰波形生成算法存在的交互次数多、学习时间长的问题,提出了一种设置固定或动态惩罚阈值并标记多个近似干扰波形的方法。该方法结合多臂赌博机模型和负强化学习的思想,通过对干扰效果差的干扰波形组进行联合惩罚,提高干扰效果好的波形被选中的概率,有效减少了干扰机的随机探索次数。仿真实验结果表明,与不加惩罚阈值的算法相比,本文提出的方法可以将学习速度提升约3倍的同时大幅提高干扰效率。其次,针对实际通信对抗过程中因采取各种抗干扰技术而导致通信方的状态发生改变的问题,提出了一种多状态下的最优干扰策略自适应生成方法。该方法将干扰目标的状态从静态扩展到动态,基于马尔科夫决策模型,使用Q-Learning和SARSA算法实现了对通信方的持续跟踪和精准干扰。仿真实验结果表明,和多状态下的多臂赌博机算法相比,该算法可以获得更高的干扰效率。最后,针对复杂多变的战场电磁环境下难以获取非合作条件下的干扰反馈问题,提出了0-1反馈、信道利用率反馈和数据包变化率反馈三种干扰反馈获取方法。该方法将侦察目标从单个被干扰节点扩大至整个通信网络,结合能量检测算法,从通信方的状态、信道和数据量的变化角度评估了干扰波形的干扰效果。仿真实验结果表明,使用上述三种非合作条件下的干扰反馈作为奖赏函数指导干扰机进行最优干扰波形学习,可以实现与合作条件下以丢包率作为奖赏函数进行最优干扰波形学习基本一致的效果。本文基于强化学习理论研究战场通信干扰中的智能干扰波形决策问题,充分利用其无需先验信息的优势,在复杂多变的战场电磁环境中,使得干扰机具备精准迅速、动态自适应的实时智能干扰能力,具有非常重要的应用价值。