随着各国电子战相关理论不断地完善,电磁领域的博弈正逐步地升级,传统干扰决策方式无法应对新的对抗形势。为了解决这些问题,人们将认知技术和电子战结合起来以实现环境感知,在线信息处理,高效决策和合理反应。与此同时,随着5G/B5G通信技术的发展,其高速率、低延时的特性将帮助将各作战平台组成互联网,实现无障碍通信,而IRS的应用将帮助毫米波通信改善传输环境,缓解穿透损耗大的问题,所以研究针对未来战场环境下IRS中继的毫米波通信的电子战具有一定的实际意义。本文结合认知电子战和IRS通信,采用学习信道信息（与波束带宽）和感知频谱两种学习方式,考虑两种信息不确定设定对干扰方的干扰策略进行了研究。文章中介绍了双层优化理论,优化问题的对偶性以及鲁棒优化为本文的研究工作提供了理论支撑。文章首先假设干扰方不确定满功率波束到达接收端的信号功率,在无人机数量受限情况下,研究了如何分配干扰无人机以实现被干扰方终端接收信号总功率最小化的问题。之后在此基础上进一步假设干扰方不确定各波束最大占用带宽的确切值,在双重信息不确定情况下研究如何分配数量有限的干扰无人机来最小化敌方接收信号总功率的问题。论文的主要工作包括如下几点:提出干扰方和通信方各自决策模型来描述通信干扰场景,将干扰方干扰决策问题描述为序列决策问题,每一阶段的决策被建模为多层规划模型,而通信方基站决策被建模成线性规划;提出两种学习方式来了解敌方的信息,确保干扰方采用贪婪及鲁棒干扰策略制定决策时不断地更新不确定集合;在不确定单个波束到达终端的功率情况下,通过等价变换将每阶段多层决策模型转换为混合整数线性规划模型,证明了贪婪及鲁棒策略的收敛性以及最终决策的最优性,并给出了在不掌握全局信息情况下干扰方判断己方是否做出最优决策的标准;在双重信息不确定情况下,采用鲁棒约束条件将干扰方每一阶段的多层决策决策模型转化为双层规划问题并进行求解,仿真验证了该场景下干扰策略的收敛性和全局最优性。