目前监测中主要有以下几个不足：一方面，不同的工作人员有不同的经验知识，在做决策时存在一定的主观性，同时无线电监测过程中过分依赖于技术人员，其中大部分工作重复进行，是对人力资源的浪费，且在应急情况下极大的增加了其工作难度和工作量；另一方面，由于现有无线电监测设备的信息处理能力不足，导致无线电监测严重依赖于技术人员。近年来，随着人工智能技术的不断发展，智能信息处理在现实生活中的应用成为热点话题。为了减少监测技术人员的工作量，实现无线电监测设备的无人值机，将人工智能技术用在无线电监测中，提高无线电监测设备的信息处理能力，受到无线电监测人员的广泛关注。本文的主要工作如下：　　(1)种基于膜计算优化算法的支持向量机参数优化模型，并用该模型对C波四类异常信号：单频点、单载波、干扰机、雷达进行识别。　　(2)提出了一种基于膜计算优化的最小二乘支持向量机-混沌时间序列预测模型,该模型利用膜计算优化算法对相空间重构和LS-SVM参数进行联合优化。并且把该模型用在无线电监测中调频广播频段和一个对讲机频段的频段占用度的预测中。　　(3)针对传统Markov模型中的两点不足，将FCM聚类算法与Markov模型结合，提出一种新的模糊Markov模型。然后将提出的预测模型用到电磁环境指示参数的预测中。　　(4)提出一种Markov方法与最小二乘支持向量机相结合的组合预测模型，并将提出的预测模型用在无线电监测电磁环境态势预测中。