科学技术与应用

基于改进残差神经网络的无人机信号识别方法

王 硕哲

西京学院

郝 东来

西京学院

李 民靖

西京学院

马 思语

西京学院

DOI: https://doi.org/10.59429/kxjsyy.v2i4.11416

Keywords: 无人机射频信号；短时傅里叶变换；改进残差神经网络；识别与分类

---

Abstract

无人机（UAV）射频（RF）信号检测在低空安防应用中具优势，但在复杂环境下传统方法鲁棒性有限。本文提出一种基于改进残差神经网络的无人机信号识别方法，采用短时傅里叶变换（STFT）提取特征，结合分组卷积与跨层级跳跃连接，提升信号检测、机型分类与操作模式识别性能。实验表明，该方法检测准确率达 99.94%，分类为86.66%，操作模式识别为80.13%，同时降低了参数和计算开销。研究为复杂环境下无人机智能识别提供了有效支持。

---

References

[1] 赵刚.低空经济安全防护研究与应用[J].电信工程技术与标准化,2025,38(2):1-6+18.

[2] Kılıç R, Kumbasar N, Oral E A, et al. Drone classification using RF signal based spectral features[J]. Engineering Science and Technology, an International Journal,2022(28):101028.

[3] Al-Sa’d F M, Al-Ali A, Mohamed A, et al. RF-based drone detection and identification using deep learning approaches: An initiative towards a large open source drone database[J]. Future Generation Computer Systems,2019:10086-97.

[4] 那振宇,程留洋,孙鸿晨,等.基于深度学习的无人机检测和识别研究综述[J].信号处理,2024,40(4):609-624.