传统的干扰波形生成方法需要提前获取目标信号的参数特征，在面对如今复杂多样的通信信号样式时难以取得良好的效果。针对这个问题，提出一种基于轻量化深层卷积生成对抗网络（deep convolution generative adversarial networks，DCGAN）的通信干扰生成技术。利用DCGAN网络在无先验信息条件下无监督学习目标信号特征，生成与目标信号高度相似的干扰波形。同时对网络进行了轻量化处理，减少了网络参数量。针对多种调制类型的通信信号进行了仿真实验，实验结果表明：轻量化DCGAN网络在参数量减少了约38%的情况下，生成的干扰波形质量并未下降。在0 dB干信比（jamming-to-signal ratio, JSR）以上时，受生成干扰波形影响的通信系统的误比特率（bit error ratio, BER）快速逼近0.5，远优于传统干扰波形的干扰效果。
