认知无线电技术近年来成为了下一代通信的研究热点，其中的许多关键思想也被人们应用到相关领域，智能决策作为认知无线电的核心之一，是未来的通信发展的主要方向，本文主要研究基于遗传算法的OFDM系统的抗干扰智能决策引擎，主要工作分为三部分，介绍如下：　　本文的第一部分主要介绍抗干扰智能决策引擎的概念、分类及结构，重点研究基于遗传算法、量子遗传算法、模拟退火遗传算法、二进制粒子群算法在内的不同进化算法的决策单元性能，仿真结果表明遗传算法在全局寻优中有较快的收敛速度和准确的搜寻结果，作为决策单元的主要算法具有良好的性能；同时本文还分析比较了学习单元的两种算法：基于案例推理和基于规则推理。　　本文的第二部分主要研究无干扰环境下OFDM系统的智能决策引擎，首先设计了智能决策引擎的框架，然后针对OFDM系统的子载波比特功率分配：第一设计了基于遗传算法的决策单元，同时仿真分析了决策单元算法与传统比特功率分配算法，仿真结果表明：在子载波比特功率分配中，目标函数为最小化发射功率时，基于遗传算法的决策单元的总功率要小于传统比特功率分配算法；第二针对遗传算法进行了改进，包括初始种群中增加优良基因与变异概率可变，仿真结果表明：基于改进算法的决策单元性能有相应的提升。同时，本文还研究了 OFDM系统中的调制模式选择，并且对基于遗传算法的决策单元与传统固定门限自适应算法进行了仿真分析，仿真结果表明：基于遗传算法的决策单元较传统算法有更小的误码率，同时系统容量也有相应的减小。　　本文的第三部分主要研究干扰环境下OFDM系统的智能决策引擎，首先提出了抗干扰智能决策引擎的框架及机理，在干扰较小的情况下，决策单元会保留所有子带以达到更高的传输速率，在干扰较大的情况下，决策单元会利用无干扰子带进行传输，使系统的误码率达到预期，然后对部分带干扰环境下抗干扰智能决策引擎的进行了性能分析，仿真结果表明：在不同系统要求下，决策单元会根据系统信道质量如信噪比、信干比来自适应地调整传输参数如调制方式，达到误码率与数据率的权衡。　　本文的工作对抗干扰通信系统有一定的意义，为以后的后续工作提供了研究思路。