由于无人机具有隐蔽,高灵活性,成本低的特点,广泛应用于军事和民用领域。在这些通信场景中,无人机往往具有有限的能源,另外无人机的高移动性使得网络拓扑变化频繁。因此,为实现无人机节点间协作,快速、节能的组网技术需求日益迫切。邻居发现作为组网的首要步骤,提高其能量有效性和时间有效性至关重要。因此,本文以雷达通信一体化下的无人机自组网为背景,研究邻居发现协议并设计高效的邻居发现算法。研究的具体内容如下:首先,本文研究了邻居发现的能量消耗问题。基于雷达通信一体化场景,设计了雷达探测机制,为节点增加休眠状态,提出一种基于扫描的邻居发现算法。通过设计一种扫描方案将算法扩展到三维场景。仿真显示,所提算法与传统算法相比减少了至少46.8%的能量开销,在三维场景中的效果更加显著。接着,本文引入强化学习算法,设计了基于Q值和直接更改策略两种学习方式,给出了一体化信号计算机制,调整扫描策略,提高发现效率。随后,简化该算法,推导了邻居发现时间均值的上下界。然后,充分考虑一体化中雷达探测和通信距离的比值进行仿真,数值结果表明,时延、发现速率等性能指标与经典的邻居发现算法对比均有提升,并且提升效率随着雷达通信比值的增加而提高,当比值为0.9时,可提升时效约60%。最后,在三维场景中,仿真验证了基于学习的邻居发现算法的有效性。最后,本文针对无人机移动场景,将邻居发现分为初始化阶段和维持阶段。在维持阶段引入卡尔曼滤波模型,结合无人机的移动特点,对无人机的位置进行预测,提出一种基于预测的邻居发现算法。考虑到预测误差和无人机的快速移动,设计了两个阶段的切换机制。仿真证明基于预测的邻居发现算法可提升效率约86.7%,并且可以克服传统随机扫描算法中的长尾问题。