随着科技的进步,无人机从最初的军事战场到如今进入了我们的日常生活。民用无人机凭借着小型化、成本低廉的特点开始在抢险救灾、摄影摄像以及物流运输等领域大显身手,与此同时无人机的广泛使用也带来了一系列的问题,包括坠机可能带来的人身财产安全问题、摄影摄像带来的隐私安全问题、“黑飞”事件等,所以如何实现无人机的反制成了研究热点。如何在复杂的电磁环境里检测并识别无人机信号是无人机反制技术研究中要解决的首要问题。无人机信号主要包括上行控制信号以及下行图传信号,本文分别从无人机控制信号的检测与识别、图传信号的检测与识别两大方面提出一些研究方法并加以论证,同时针对传统研究方法的一些问题提出了一些改进。针对无人机控制信号的检测,本文利用时频分析技术提出了基于能量统计以及时频直方图两种自适应能量门限去噪方法,解决了传统方法需要手动设置去噪门限的问题。通过信号时频图绘制时频脊线差分图,利用不同信号时频脊线差分图的峰值情况不同设计跳频信号检测流程完成检测。针对无人机控制信号的识别,引入了图像形态学方法,通过对时频图像进行形态学处理让信号的时频特征更明显,解决了信号时频图中信号附近噪声无法去除、漏检导致的信号“缺口”等问题。为了解决传统K-Means聚类算法需要信号种类个数作为先验条件的问题,提出了一种改进算法,通过设置类内距离门限以及类间距离门限的方法实现动态聚类,在不需要任何先验条件的情况下实现跳频信号的分类及参数估计。针对无人机图传信号的检测,本文选择信号的高阶累计值作为特征参数来检测OFDM调制信号。通过联合高阶累计值解决了高阶累计值在低信噪比环境中差异不明显的问题,提高了低信噪比下的OFDM调制信号检测准确率。根据图传信号频域特征设计带通滤波器检测并提取图传信号。针对图传信号的载频估计,分析了几种传统的分析方法的优缺点,提出了一种基于改进谱重心法的研究方法,通过对信号功率谱进行平滑处理以及高斯拟合,根据谱特征找到信号的对称频点并估计信号载频频率,解决了传统谱重心法在低信噪比环境中因频谱对称性被破坏导致的估计精度下降问题,同时低运算复杂度也让这种方法有很大的应用前景。仿真结果表明,本文提到的方法可以在低信噪比环境中实现跳频信号的检测,基于改进聚类算法的识别方法实现了多跳频信号参数盲估计。针对图传信号的检测,较高的检测准确率可以满足实际应用中无人机图传信号的检测要求;相比较基于传统谱重心法的图传信号载频估计,改进算法在噪声较大时有着较好的表现,更适用于信噪比较低的实际环境。