摘要
无线通信系统是社会的重要组成部分，其中的高速跳频通信系统更是通信领
域研究热点之一，具有一定的抗干扰能力。本文研究高速跳频通信系统中的抗干
扰智能决策技术，将智能决策与频谱感知相结合，决策当前环境内能够进行可靠
通信的通信参数，以应对不同的干扰场景，保障系统的正常工作和稳定运行。
本文的主要研究内容为高速跳频通信系统的抗干扰智能决策技术，包括了针
对频谱资源、发射功率和速率模式等决策资源的算法研究。同时对部分算法进行
硬件描述语言的开发并实际部署在工作平台上的工作。其中具体包括：高速跳频
通信系统抗干扰智能决策方案设计、频谱汇聚中心智能决策算法研究和子网通信
节点智能决策算法研究，并针对不同的干扰特点，设计了不同的干扰场景对设计
的不同节点的智能决策算法的性能进行仿真分析；当设计的决策算法符合性能要
求后，从实际出发，考虑不同算法的实现复杂度与可行性等问题，将决策算法进
行硬件部署，并仿照最终的应用场景搭建了测试环境进行检验。不同部分的主要
研究内容如下：
第一部分首先介绍了本课题的研究背景并说明了本课题的研究意义，然后分
析了当前常规通信抗干扰技术和结合了机器学习等方法的抗干扰智能决策技术的
国内外研究现状，并以此说明了本文应当将该技术与系统相结合。
第二部分阐述了高速跳频通信系统的原理，并针对不同的功能节点，分别设
计了针对不同决策资源的抗干扰决策方案。首先给出了系统的网络架构、时隙分
配和链路传输原理，接着针对高速跳频通信系统的特点和相关参数，将智能决策
方案和该系统相结合。接着根据承担的功能不同，分别对频谱汇聚中心和子网通
信节点进行抗干扰决策方案的设计。同时对当前通信系统的抗干扰效能进行综合
评估。
第三部分研究了高速跳频通信系统频谱汇聚中心的智能决策算法。根据前面
提到的不同算法所具有的不同优点，针对频谱资源本部分研究了基于规则推理的
频谱资源决策算法、基于深度Q网络（DeepQ-network,DQN）强化学习的频谱资
源决策算法和基于近端策略优化（ProximalPolicyOptimization，PPO）强化学习的
频谱资源决策算法，最后针对实际系统所处的环境，模拟了不同的干扰场景进行
仿真，将应用了上述三种算法后的系统性能与没有应用智能决策方法的系统进行
了对比。仿真结果表明，采用了智能决策的系统可以综合考虑子带利用率和平均
干噪比（JammingtoNoiseRatio，JNR），合理地进行频谱资源的决策，从而保障
系统的可靠通信。
第四部分研究了高速跳频通信系统子网通信节点的智能决策算法。根据不同
决策算法的特点，针对不同的干扰场景，分别研究了基于规则推理的功率速率联
合决策算法、基于案例推理的功率速率联合决策算法、基于反向传播（Back
Propagation，BP）神经网络的功率速率联合决策算法。同时针对智能场景，研究
了基于PPO强化学习的功率速率联合决策算法，与上一部分类似，在设计好的干
扰场景下进行对比分析。仿真结果表明，采用了智能决策的系统会综合考虑功率
效率和频谱效率，进行功率速率联合决策，提升系统的抗干扰能力。
第五部分依照前两部分研究的智能决策算法，综合考虑实现复杂度与可行性
进行了现场可编程门阵列（FieldProgrammableGateArray，FPGA）实现方案的设
计。首先给出了智能决策方案的总体组成结构、内部数据接口和外部数据接口，
然后分别给出了频谱资源决策模块和功率速率联合决策模块的实现设计。代码完
成后，通过Vivado进行功能仿真进而验证了代码的功能是否正确，同时给出了不
同模块的资源占用情况，说明了在实际应用场景的可行性。最后，搭建实测场景，
在以FPGA芯片为核心的机箱内部署了智能决策方案，对智能决策模块的性能进
行板上实测，结果表明，实测结果与仿真结果一致，可以有效地提升系统的抗干
扰能力。
关键词：高速跳频通信，抗干扰，智能决策，神经网络，强化学习
ABSTRACT
Wirelesscommunicationsystemisanimportantpartofsociety,inwhichthe
high-speedfrequencyhoppingcommunicationsy