军事通信抗干扰已成为信息化作战关注的焦点和难点问题。随着战场设备的快速发展,传统抗干扰方法将面临对抗宽带干扰、动态干扰易失效的难题,特别是近几年,将人工智能领域的算法引入通信领域,使得干扰具有智能性的特点,亟待开展通信抗干扰新思路、新方法的探索与研究。为此,面向高动态复杂干扰环境下实时获取、处理信息的需求,瞄准传统方法面对宽带与智能性干扰感知精度低、决策速度慢等难题,利用干扰在多维度表征不同的特性,基于压缩感知与强化学习理论,构建了频谱感知与认知决策的数学模型,提出了从变换域、频域以及功率域等多域的角度实现认知抗干扰的方法,形成了认知域抗干扰方案,攻克了智能抗干扰方案设计关键技术,为我国通信抗干扰领域提供关键技术。论文主要工作概括如下:(1)针对Chirp类干扰信号大时宽带宽特性,导致传统算法较难对其进行有效检测的问题,提出基于压缩感知与熵的多天线宽带频谱检测算法。首先,根据Chirp信号在分数阶傅里叶域的稀疏特性,利用分数阶傅里叶变换对信号进行稀疏表示;然后,基于多任务贝叶斯压缩感知理论构建压缩感知模型,利用高斯观测矩阵对信号进行观测,获得观测数据;而后,为解决由于各种因素导致的测量不确定性问题,利用基于概率模型的相关向量机算法对信号进行精确重构;最后,为解决传统能量检测算法对噪声鲁棒性较差的问题,提出利用频域信息熵的频谱判决算法。仿真结果表明所提方法较单任务算法重构精度提高25.17%,较贝叶斯协助频谱感知算法检测精度提高5.63%。(2)针对复杂电磁通信环境中高动态、智能性干扰,传统抗干扰算法存在自适应性差的问题,以无人机集群为研究实例,基于智能决策理论,提出一种联合频域与功率域的认知抗干扰算法。首先,基于优势演员-评论家方法,将无人机视作智能体,由感知到的环境频谱状态决策出干扰信道;然后,基于斯塔克伯格博弈理论,对中度干扰等级的信道从功率域压制干扰信号,减少信道切换的时间开销;最后,引入簇头协助的方法,解决由于单个智能体局部频谱感知能力较弱导致信道决策成功率低的问题。仿真结果表明所提算法可以提高网络通信安全容量和信道决策成功率。