信息化是当今社会的时代标签。占领信息的制高点,不断提高信息的安全性以及快速交换的能力,是国家科技发展的一个重要方向。轨道角动量(OAM)作为电磁波除了幅度、相位、极化特征之外的一个基本属性,表征了电磁波的空间结构,并因其螺旋相位分布而在无线通信、雷达探测等领域有着广阔的应用前景。OAM模态的组合为波束带来丰富的结构特性,为物理层的信号安全编码打下了物理基础;而机器学习技术强大的基于数据的学习能力可以用于信号的解码和解调,同时其端到端的特点能够大大简化复杂的信号处理过程。本文首先研究了叠加多个平面涡旋OAM(PS-OAM)波束形成结构电磁波的波束赋形技术和波束特性,设计了基于结构电磁波的信号编码方案;接着研究了信号解码问题的机器学习建模方法,设计了基于机器学习的信号解码方案;最后设计了基于机器学习的结构电磁波低截获概率通信系统,并进行了与模型类别、信噪比、截获方位、采样条件以及通信时延等因素相关的一系列仿真实验。结果表明,该通信系统在实际可接受的信噪比范围内,利用支持向量机模型的方案能够达到99.5%以上的通信准确率,而基于聚类模型的截获准确率在各个方位均低于70%;此外,多阵元的接收方案能够进一步提高通信效率,而聚类方案不可避免的时延特性则使得系统安全进一步提升。综上结果,本文基于机器学习的结构电磁波低截获通信方案能够在点对点的稳定信道场景中实现保密通信。