现代信息化战场上,无人机以无人员伤亡、造价低、机动性能好等优势得到了广泛应用,为了完成更复杂的网络任务,无人机群可以自主组建各类通信网络,然而无人机网络的无线开放特性使它易受干扰,对通信质量造成了严重影响,因此无人机网络抗干扰方法已成为如今研究的重点方向之一。现有国内外学术研究对抗干扰方法的研究大多针对无线网络中的简单场景,而实际无人机网络存在高速移动、能量受限、信道可变的特点,对抗干扰研究提出新的挑战。为解决上述问题,本文将建立多种无人机网络模型研究抗干扰方法,来提升无人机收益。本文的主要工作和创新点如下:(1)建立了单一信道和多信道传输的无人机网络模型,使用博弈论对无人机网络中无人机和干扰器之间的策略调整建模为Stackelberg博弈,通过分析和求解博弈均衡解,得到无人机防御干扰的最优传输功率。在不完全信息下,用Q学习算法来自主迭代出最优抗干扰策略。然后在无人机网络满足多信道传输条件下,建立基于定价-购买机制的中继辅助抗干扰模型,推导出该模型的Stacke 1 berg博弈最优抗干扰策略,仿真结果验证了所提出抗干扰方法在收益方面高于其他抗干扰方法,且表明了距离等参数对抗干扰性能带来的影响。(2)构建点对点和分布式的两种场景进行抗干扰方法研究,分别提出基于马尔可夫决策过程和自主学习的算法来得到最优策略对抗干扰。考虑到无人机网络很可能存在频谱匮乏的情况,引入认知无线电技术加入无人机网络,所有无人机作为次要用户接入网络,运用所提算法来智能选择信道对抗干扰。在所提出的自主学习策略下,所有无人机都有预测和规避干扰的能力,并尽力避免所用信道与其他无人机的碰撞。仿真结果验证了所提算法能有效提升无人机抗干扰时的收益,并表明所提出的认知策略优于随机接入策略,有效地提高空闲信道的利用率,即每个无人机更加倾向于无冲突地选择空闲率较高的信道传输同时避免被干扰。