移动自组网是一种无固定基础设施依赖,且于任何时间、地点都能够快速组建的临时性多跳网络。移动自组网较强的部署灵活性和适应性使其在军事通信、公共安全等领域得到了广泛应用,但具有的自组织、动态拓扑、多跳路由等特点导致对外部恶意干扰的抵抗能力较差。媒体接入控制（Media Access Control,MAC）层旨在为网络提供可靠的无线资源分配与接入服务,研究MAC层的抗干扰技术对于实现移动自组的可靠通信具有重要意义。本文将针对多信道多跳移动自组网的MAC层自适应、智能化抗干扰技术展开研究。首先,本文对移动自组网发展现状、常见干扰类型与抗干扰技术、适用于智能化抗干扰的强化学习基本原理展开描述。面向常见干扰类型,展开从信道跳频、协议级抗干扰技术和跨层抗干扰技术三个方面的移动自组网MAC层常用抗干扰方法介绍。另外,叙述了强化学习基本原理,重点介绍了经典的Q-learning算法和DQN算法。其次,本文针对自组网条件下传统固定式信道跳频和自适应信道跳频等技术无法对抗动态复杂干扰问题,研究基于信道替换的区域性抗干扰方法。面向有限干扰域场景,通过微时隙的设计有效提高时隙资源利用率,通过干扰域附近的部分节点信道替换,避免全网洪泛信道状态通知控制包,减少传输资源消耗。相比固定式信道跳频,本文提供的方法实现了90%数据包传输时延的降低,并能适应动态干扰、局部干扰等复杂场景,相比全网洪泛信道替换具有更强的鲁棒性和灵活性。仿真验证结果表明本方法在数据包传输时延和接收比特率两项指标上具有明显优势。最后,本文针对新型、复杂、多变、未知干扰场景缺乏智能化、自适应抗干扰策略的问题,研究基于DQN的智能协同抗干扰方法。在多干扰域动态干扰场景下,通过骨干节点的选取减少计算、通信、功耗开销并保障网络抗毁性,通过应用DQN算法得到未知干扰环境下准确的全网可用信道集选择策略。相比于传统依赖于干扰先验信息的信道选择方法,本文提出的方法实现了接近100%的信道选择准确率,并能适应随机干扰、扫描干扰、持续干扰等多种干扰模式,具有较强的适应性和鲁棒性。仿真结果表明本方法在收敛速度与信道选择准确率两项指标上具有突出优势。