当前军事作战环境干扰问题愈加严重,出现了许多针对传统抗干扰技术的干扰策略,发展新的抗干扰技术已经成为确保可靠军事通信的重要研究课题。将认知无线电的思想应用到抗干扰通信领域中,通过对复杂电磁环境的认知,采用学习和智能决策方法,实现高效可靠的信息传输,从而大大提高系统的抗干扰能力和频谱利用率,是抗干扰通信发展的新趋势。本文针对这一课题,重点研究了跳频通信中认知引擎的设计与算法实现及优化。首先分析了认知无线电技术在抗干扰通信应用中的意义,通过对抗干扰技术和认知无线电技术国内外现状的研究,表明研究方向的前沿性和可行性。之后,对认知无线电的核心技术即认知引擎进行了阐述,对其在整个系统中的作用、现有研究中成熟的认知引擎架构做了详细研究,并就认知引擎中常用的人工智能算法应用情况进行了简要分析,提出跳频通信中的认知引擎结构设计方案。随后就跳频通信认知引擎功能的实现进行分块描述,重点研究了认知引擎学习推理与决策可用频谱资源的算法实现,通过实际通信实验,验证提出的认知引擎系统具备干扰环境下实现可靠通信的能力。同时针对传统算法收敛效率慢,易陷入局部最优的问题,提出了一种改进的模拟退火粒子群优化(SABPSO)算法,该算法是首次将模拟退火与粒子群算法结合用在认知无线电领域,其在收敛效率和适应度值上有较大的提高,仿真证明SABPSO在收敛速度和平均适应度上优于传统算法,通过该算法可以自适应调整载波的调制方式和传输功率。最后对认知引擎中知识库这一重要组成部分进行了系统描述,研究了认知抗干扰知识库的设计方案,以及其作为数据存储交互中心的内部逻辑结构。