跳频通信能在连续不规则跳变载频的过程中实施通信，在军事通信和民用通信中有着非常广泛的应用。跳频通信具有抗干扰、抗截获与码分多址等优点，使敌方难以侦察识别干扰，对其进行预测与干扰成为一大难题。当前，利用混沌分析与神经网络等多种算法对跳频码进行建模和预测的研究正在密切的开展，并取得了一定效果。本文着重利用混沌的动力学性质对跳频序列的混沌特性进行分析，然后通过神经网络预测等方法对跳频序列的跳变规律进行预测研究，并对其实施干扰。文中，首先阐述了扩频通信系统与跳频通信的工作原理及特点等。详细介绍了混沌系统的概况及混沌动力学的特性，即混沌奇异吸引子、关联维数、最大Lyapunov指数及分形与分维。运用G-P算法计算关联维数和Rosenstein算法计算最大Lyapunov指数，对常见的跳频码(m码、RS码、非线性跳频码等)进行分析研究，判断出它们具有如下结论：(1)具有一个层次非常分明的奇异吸引子，且关联维数不是一个整数，说明具有分形的特征。(2)对初始值条件极度敏感，最大Lyapunov指数是正的有限值，不是无穷大，说明所研究的跳频码并不是真正的随机，而是具有可预测性。所以，它们都具有混沌的特征。其次，运用BP神经网络和RBF神经网络对以上几种跳频码进行仿真预测，并通过MATLAB进行仿真实验。通过理论分析和仿真实验对预测模型的性能进行了分析比较，结果证明RBF神经网络在逼近能力、分类学习和学习速度等方面要优于BP神经网络。文章最后研究了混沌白噪声的干扰，证明了混沌白噪声作为干扰信号实施干扰能够取得较好的效果。通过对跳频码序列的混沌特性分析与神经网络的预测仿真实验，结果证明本文所采用的方法能够对跳频码进行较好的分析、预测和干扰，具有一定的实用性。