近年来,无线通信技术迅猛发展,电磁环境愈发复杂,无线通信系统由于特有的开放性,极易受到各种有意及无意的干扰,智能多域抗干扰决策技术由于相对于传统的跳频等单一域抗干扰技术具有更强的灵活性与更高的抗干扰容限而逐渐受到关注。近年来出现了很多针对智能多域抗干扰决策技术的研究,启发式优化算法、博弈论等数学工具被越来越多地用于智能多域抗干扰决策的研究,用以建立更加契合实际的模型并获取更好的决策效果。本文针对不同无线通信场景,建立合适的智能多域抗干扰模型,同时针对传统抗干扰决策方法收敛速度慢、平均吞吐量低、灵活性差等问题,研究了不同模型下的智能多域抗干扰方法。在非时隙系统的单次通信决策模型中,智能多域抗干扰决策领域研究由于多域造成的决策空间过大,有限时间内无法得到最优通信参数,存在收敛速度较慢,鲁棒性差的问题。针对该问题,本文建立了非时隙系统下的多域抗干扰决策模型,在此基础上提出了一种新的基于突变搜索机制人工蜂群算法的抗干扰决策方法。该算法在生成初始种群之前对决策空间进行压缩,并且针对决策空间过大的问题采用了一种新的邻域搜索方法,从而达到更好的决策质量。仿真表明,所提方法与其他决策方法相比具有更好的决策质量。在时隙系统下多次通信决策模型中,每个时隙干扰环境均会出现变化,且每个时隙持续时间很短。针对这一情况下的抗干扰决策问题,本文提出了一种基于贪婪原则的跳频与传输速率自适应联合的抗干扰决策方法。该方法定义了一种基于跳频代价的收益函数,并且根据贪婪原则,在每个时隙末尾仅考虑收益最大化问题,通过跳频与传输速率自适应联合的方法应对每个时隙干扰的变化。仿真表明,所提方法在时隙系统模型中相对于传统跳频方法具有更高的平均吞吐量。最后,本文考虑更加复杂的干扰模型,研究在认知扫频干扰下通信方如何进行跳频与传输速率自适应联合抗干扰决策的问题。由于对抗双方均存在各自的对抗策略,本文采用零和马尔可夫博弈进行建模,求解得出最优抗干扰策略。仿真表明,跳频与传输速率自适应联合的方法在不同的信道数与跳频代价下的平均吞吐量均好于传统的跳频方法。