随着科技的进步,民用无人机得到了极大普及和发展,应用在生产和生活的诸多领域。与此同时,无人机有意或无意的“黑飞”行为也对社会及国家安全造成了严重影响。本文针对无人机的“黑飞”监控问题,研究了基于无线电信号特征的无人机侦测技术,具体的研究成果如下:1、提出了一种基于飞控信号多特征匹配的无人机侦测及识别方法。针对复杂电磁干扰环境下的飞控信号侦测及识别,提取飞控信号的带宽、持续时间、出现频次三个特征,通过与特征数据库匹配的方式进行识别。具体来说,采用短时傅里叶变换对飞控信号进行时频分析,经剔噪、频谱重建、防混叠、谱图脊线提取等信号预处理方式求出每一段脊线值及其频率值,接着由频率差分法结合带宽特征求出信号持续时间特征,然后经谱图统计法求出信号出现频次特征,并将以上所求特征与数据库进行匹配,完成库内无人机多目标识别,而对于未在库内的无人机则由自定义判决准则检测。实验测试结果表明,在信噪比（Signal-to-noise ratio,SNR）为-15d B时所有测试目标皆可满足100%识别率。2、提出了一种基于图传信号两级结构的无人机侦测及识别方法。第一级为疑似图传信号盲检测算法,其内部采用分段傅里叶变换、频谱重建、谱图积分、信号阈值判断、漏点补齐、带宽判断等方式识别疑似无人机图传信号,实验测试结果表明,在SNR为-22d B时,就可达到100%检测率。第二级为图传信号精准识别算法,该算法用于在第一级基础上进行小特征区分,其根据无人机图传信号具有周期循环特性而采用滑动移位循环自相关提取相应特征,再进行匹配识别。实验测试结果表明,在SNR为-4d B时,无人机识别率可达100%。3、提出了一种基于射频独特固有属性（Radio Frequency Distinct Native Attribute,RF-DNA）的无人机个体识别方法。该方法通过接收无人机的飞控、图传信号,采用信号方差轨迹变点检测、分形贝叶斯变点检测、相位方差轨迹变点检测提取信号瞬态部分,接着进行RF-DNA特征统计,并建立特征数据库,特征包括瞬时幅度、瞬时频率、瞬时相位值的标准差、方差、偏度及峰度,然后由主成分分析法（principal component analysis,PCA）进行特征降维,最后采用多分类支持向量机算法（support vector algorithm,SVM）进行无人机个体分类及识别。实验测试结果表明,该方法在对不同型号无人机区分时,其识别率在SNR为20d B时可达到97%,在对同一型号无人机区分时,其识别率在SNR为20d B时可达到98%。4、设计并实现了基于FPGA的无人机无源探测系统,该系统分别为无线电信号采集子系统、飞控信号快速探测及识别子系统、双源并行探测及识别子系统。对于无线电信号采集子系统,采用K7系列FPGA、AD9361、DDR3、千兆网、自定义串口组成以零中频接收机为架构的采集卡,测试结果表明,该采集卡可满足对70MHz-6GHz的无线电信号采集、存储、传输。飞控信号快速探测及识别子系统,将飞控识别算法与无线电信号采集子系统结合,并以FPGA为核心处理器进行算法实现。对于双源并行探测及识别子系统,其分别对飞控、图传信号并行探测,内部采用自顶向下架构、多路并行算法处理模式。完成了无人机无源探测系统的调试及外场测试,结果表明该系统通过接收并处理飞控及图传信号,可对保护区域内多个无人机飞行目标进行快速、多目标精确识别。