21世纪的战争是信息化战争,无人机数据链系统作为地面控制基站向无人机传输控制指令以及无人机向地面控制基站传输情报信息的“生命线”,其抗干扰能力至关重要。跳频技术以其良好的抗干扰、抗截获能力在数据链抗干扰技术中得到广泛使用,但是跳频技术在固定的频率集中选择跳频频点,缺少主动躲避干扰的能力,认知跳频技术将认知无线电思想与跳频技术结合,能够认知周围频谱环境并智能调整自身通信参数的特性,实现对干扰的主动规避。因此,考虑将认知跳频技术应用到无人机数据链系统,以期提高其抗干扰性能。故研究基于认知跳频的无人机数据链抗干扰技术具有重要意义,本课题研究的主要内容如下:首先,分析无人机数据链干扰和抗干扰技术。阐述无人机数据链常遇到的压制式干扰,包括宽带噪声干扰、部分频带干扰、音频干扰和线性调频干扰五种类型,分析其时频域特性;以Link-16为模型,研究数据链系统中采用的抗干扰技术,包括信道编码、调制、扩频和跳频技术;针对目前数据链系统中跳频技术“盲跳”的问题,提出将认知跳频技术应用到数据链系统中,以实现对干扰的主动规避、自适应选择通信策略以及提高频谱资源利用率,从而实现无人机数据链抗干扰能力的提高。其次,研究认知跳频系统中的干扰检测和识别技术。针对数据链认知跳频系统中干扰存在性检测的问题,研究能量检测算法,并仿真分析其检测性能;认知跳频频率集的自适应更新实际是干扰频点的筛选,为获取干净频点,研究单门限和双门限前向连续均值去除（Forward Consecutive Mean Excision,FCME）算法,并在不同干扰信号下,仿真分析两种算法对不同干扰信号类型的检测性能;为快速准确地识别干扰信号的类型,研究基于分形维数的干扰识别算法,提取干扰信号的分形盒维数和LZ复杂度组成二维特征矢量作为识别分类依据,基于其在低干噪比下识别性能差的问题,提出一种基于Sevcik分形维数和能量聚集度的二维特征识别算法,评估不同干扰信号的识别率。最后,评估无人机数据链认知跳频系统的抗干扰性能。以Link-16为模型,采用里所（Reed Solomon,RS）码、最小频移键控（Minimum Shift Keying,MSK）调制、循环码移键控（Cyclic Code Shift Keying,CCSK）软扩频,建立基于认知跳频的无人机数据链系统模型,阐述认知模块的工作流程;分析认知跳频系统中的频率集自适应更新、跳频图案生成和跳频同步等主要功能模块;在Nakagami-m信道模型下,无干扰信号存在时,仿真分析不同程度衰落信道数据链认知跳频系统的误码率,干扰信号存在时,仿真分析不同干扰存在情况下,认知跳频系统的抗干扰性能,并通过与常规跳频系统的对比,突出认知跳频技术的优越性以及在数据链抗干扰方面的优势。