随着通信技术的发展,现代战争逐渐成为海陆空联合的信息战争,作战中的信息交互也从简单的指令扩展到文本、实时侦察图像和视频等多媒体数据,对信息交互的时延和准确性都提出了更高的要求。数据链技术的产生,大大提高了各种军事设备和人员之间的协同性,飞机、舰船、卫星和军队等可以联合成为一个整体,提升作战能力。因此,数据链技术在现代战争中起着决定性的作用,而管理和分配信道资源的媒体接入控制（Medium Access Control,MAC）层协议更是其中的关键。作为新一代战术数据链技术,战术瞄准网络技术（Tactical Targeting Network Technology,TTNT）在MAC层采用统计优先级多址接入协议（Statistical Priority-based Multiple Access,SPMA）,构建了一个按需自组织战术网络。SPMA协议支持多优先级,可以在业务繁忙时通过限制和延迟低优先级业务的传输,保障高优先级业务具有很高的传输成功率和较好的时延性能。但协议现有的参数设置方案和退避策略,在拓扑和传输速率动态变化的网络环境中并不是最优的,限制了网络的性能。本文研究了SPMA协议的智能优化技术,基于排队论和深度强化学习设计了优化算法,提升网络在时延、吞吐量和传输成功率等方面性能。本文首先介绍了战术无线网络的特点、应用和主要性能指标,分析了战术数据链中常用的MAC协议和它们的适用场景,介绍了现有的对这些协议的改进方案。着重介绍了SPMA协议的多优先级接入机制、信道状态划分、跳频跳时机制和流量控制机制,分析了SPMA协议存在的问题和不足。然后介绍了强化学习的基本原理,通信协议设计中常用的强化学习和深度强化学习算法。并介绍了排队论基本原理。接着,本文对SPMA协议的优先级阈值优化方法展开了研究,提出了一种自适应优先级阈值设置策略。针对自组网传输速率自适应和网络拓扑动态变化的特点,结合概率论和排队论,从理论上推导了SPMA优先级阈值设置和最高优先级业务首次传输成功率之间的关系,在网络传输速率变化和节点数目变化的时候自适应地修改优先级阈值。通过仿真,验证了策略的正确性,并分析了策略带给SPMA网络的性能提升。当网络支持更高传输速率和节点数目减少时,降低业务时延,提高吞吐量;当网络仅支持低速率传输和节点数目增加时,保证最高优先级业务的首次传输成功率。最后,本文研究了SPMA协议的退避策略,结合深度确定性策略梯度（Deep Deterministic Policy Gradient,DDPG）算法为SPMA协议设计了一个智能退避策略。将业务的优先级和过去一定时隙内的信道占用率作为输入,使用DDPG算法在连续动作空间中选择退避时间。仿真显示,该策略可以有效降低低优先级业务的时延,提高网络吞吐量和传输成功率,并减小退避次数。