军事作战要求装备具有认知性、可自适应调节系统状态已经成为未来电子战的发展方向之一。要在频谱密集的环境中,实现在任意时间、地点自主发现、确定、跟踪、瞄准、交战等目标,必须依靠认知技术得以完成。其中认知电子战扮演者至关重要的角色。认知电子战融合了认知科学与电子战技术,整个认知过程主要包含对实时战场环境的感知与学习、最优化干扰行为的选取、干扰评估。其中有关最优化干扰的措施选取主要由认知干扰机实现。认知干扰机在了解战场环境的前提下,通过改变自身干扰参数并同时侦听改变参数后带来的干扰效果,综合评估干扰的收益,其中涉及到有关干扰的状态转移和考虑感知所带来的时间损耗与最优化干扰效果之间的平衡问题则是干扰机需要面临的重大挑战。而通信方在遭受干扰时,先对是否遭受干扰做出判断,然后在确定受到干扰的情况下具体分析干扰的类别,可为后续制定抗干扰策略打下基础。能量检测是常用检测是否受干扰的手段之一。但是由于军事通信中注重信号的隐蔽性以及认知干扰的多样性,仅使用能量检测无法准确判定是否遭受干扰,以及干扰机的确定类型,从而影响通信方的判断结果,后续的抗干扰策略等也会因此遭受影响。本文通过大量阅读文献分析,拟通过多臂强盗问题中的算法来试着解决实现最优化干扰中的平衡问题。通过对认知干扰机的建模,以多臂强盗问题中的常用解法作为基础,再以改进型的算法来解决相关问题,并以仿真的形式说明改进算法的优化性以及可行性。在考虑通信方感知认知干扰机时遇到的困难,提出通信方对干扰方的检测以频域能量检测作为基础,联系通信方各层状态参数分析和针对不同类型干扰的分析算法来确定干扰的具体类型,并且针对不同类型干扰的分析算法中有对应的性能分析,并利用仿真证明算法的有效性。由于能量检测具有一定的随机性,为了确定通信方正确检测出干扰方行为,本文在最后对干扰机以隐马尔可夫模型(Hidden Markov Model,HMM)为基础建模,利用HMM中估计模型参数的Baum-Welch算法来计算通信方对干扰方正确检测的检测概率,同时也为后续预估干扰机的跳转状态打下基础。