干扰检测技术作为无线通信的干扰问题中首先需要解决的一个技术问题，在日益复杂的现代通信环境下，显得尤为重要，无论是现代电子信息战下我方通信设备面对的欺骗式干扰、压制式干扰等恶意敌方干扰，还是在民用通信中遇到的通信系统间的互调干扰和外来通信系统的干扰，有效的检测到干扰的存在并做出相应的处理，这对于保障通信质量具有积极的作用。　　首先，本文对民航地空对讲系统干扰问题、人工神经网络和深度学习的研究背景做出了说明，分析了民航地空对讲系统干扰问题中干扰检测技术的研究现状。接着研究了无线通信信号的特征参数提取问题，主要分析了信号的时频域特征、星座图特征等基本信号特征参数以及近似熵、环形统计量、高阶累积量等常用信号特征分析量，以这些特征量作为干扰检测和信号识别的特征参数提取的基础。　　其次，针对多个特征参数协同进行干扰检测的问题，提出了在BP神经网络模型下的干扰检测方法，使用BP神经网络将多个特征参数的联系映射到非线性空间里，结合网络输出层避免了传统干扰检测方法中对门限的选取，以民航地空对讲系统中调制方式固定为调幅AM信号和易受到的干扰信号为调频广播FM信号作为分析信号，仿真分析了该方法下干扰检测的性能，结果表明该方法实现了多特征参数进行干扰检测的自主化，减少了门限选取带来的人为误差，提高了干扰检测的精度。　　接着，针对干扰检测中人为提取特征参数的问题，在深层次网络结构的深度学习网络模型下，以信号的时域序列直接作为网络的输入样本，利用深层次网络结构的特征表示能力，以网络的层层非线性变换提取信号的特征参数，以训练好的网络作为信号的特征参数，提出了不同于传统干扰检测的自主智能化干扰检测方法。仿真环境与基于BP神经网络的干扰检测方法相同，在搭建好的卷积神经网络模型中进行仿真分析，仿真结果表明应用深层次的网络结构对信号时域序列进行特征表示是具有可行性的，本方法结合信号的特征参数提取与干扰检测于深度学习网络一体，在实现自主智能化和减少人为误差的同时，极大地提高了干扰检测的精度。　　最后，针对民航地空对讲系统的干扰检测问题，结合干扰的存在性检测和干扰调制方式的识别，提出了用于民航地空对讲系统的干扰检测技术，对民航地空对讲系统受到的多种干扰进行干扰存在性检测方法和干扰调制方式识别的仿真分析。仿真结果表明该技术对民航地空对讲系统受到的多种干扰具有较高的检测精度，对多种复杂信号的识别在低信噪比下具有良好的识别正确率。