跳频通信具有良好的抗干扰能力和反侦察能力,在民用和军用领域得到了广泛应用。随着电磁环境的日益复杂和人工智能的发展,智能跳频通信引起人们关注。强化学习作为一种免模型、非监督的学习方式,可以适应动态变化、干扰复杂电磁环境中的参数决策任务,在无线通信领域获得了广泛应用。因此,本文主要研究基于强化学习的跳频通信智能抗干扰决策技术。首先,研究了跳频速度、信道间隔、跳频序列等跳频参数的智能决策。以阻塞干扰和扫频干扰为背景设计了相应的决策模型、状态-动作空间和奖励函数,提出了一种基于改进SARSA学习的智能抗干扰决策算法。针对传统SARSA学习对环境的探索率和对价值函数更新的效率较低的问题,将基于UCB的动作选择策略和优先遍历的思想引入SARSA学习,提高了算法的探索率和价值函数更新效率。仿真结果表明,该算法较好地协调了探索与利用的矛盾,提升了样本利用率和控制学习能力,对不同干扰环境具有更强的适应性和稳定性,能有效提高跳频系统的能量效率。其次,研究了双变跳频系统中变信道划分间隔、变跳频速率的双变跳频图案智能决策。针对传统跳频图案抗干扰能力和抗侦察能力较弱的问题,提出了基于加权重要性采样和资格迹的近端策略优化（PPO Based on Weighted Importance Sampling and Eligibility Trace,ET-PPO）的双变跳频图案智能决策算法。针对PPO行动器网络样本更新方式的高方差问题和PPO评判器网络收敛速度慢的问题,将加权重要性采样和资格迹方法引入PPO,降低了样本更新方差,避免了算法陷入局部最优解;针对PPO动作选择策略不适用于有限范围动作空间,引入Beta分布的动作选择策略,提升了算法的探索能力。仿真结果表明,ET-PPO提升了算法的学习效率和稳态性能,对不同干扰环境具有更强的适应性和稳定性,产生的双变跳频图案性能更优。最后,研究了异步动态正交组网中各子网的联合跳频图案智能决策。针对传统跳频组网方式组网灵活性和频带利用率较低的问题,提出了基于数据集聚合和选项框架的QMIX（QMIX Based on Dataset Aggregation and Options Architecture,DO-QMIX）的多子网联合跳频图案智能决策算法。针对QMIX容易陷入局部最优解的问题和样本利用率较低的问题,将数据集聚合技术和选项框架引入QMIX,提升了算法初期的学习速度和算法中后期的稳态性能。仿真结果表明,DO-QMIX算法对智能体数量的扩展性较好,对不同干扰环境具有更强的适应性和稳定性,产生的联合跳频图案性能更优。