无人机技术的高速发展,使得无人机更加智能化和普及。但无人机带来的安全问题也受到社会的关注,管制无人机是解决安全问题的重要手段,而反制无人机的前提是对无人机的识别。无人机识别面临无人机机型众多,信号样式多变,识别准确率不高等困难,针对这一问题,本文基于智能优化思路,采用时频图像识别和RF-DNA方法研究了无人机的侦测与识别问题,具体工作内容如下:首先,研究了无人机通信系统及跳频通信系统的结构特点和性能参数,基于当前的时频分析技术,对跳频信号进行了模拟比较,选取适合本文的时频分析方法。利用选取的时频分析方法得到无人机时频图像,使用HOG和LBP两种特征提取方法提取时频图像特征。针对单特征提取方法识别率低的问题,提出将HOG和LBP特征进行拼接融合,形成特征数据库。设计SVM多分类器,分类识别无人机,实验证明此方法的有效性。其次,针对HOG和LBP手动提取特征效率低的问题,提出使用卷积神经网络进行图像特征自动提取及识别。首先对网络模型Inception-Res Net V2进行调整用于图像特征提取工作,接着使用FFT方法将无人机信号时域序列转换为一维频域序列,设计网络模型对一维频域序列进行特征提取。最后,对两种特征进行融合,并应用该方法对无人机分类和识别。结果表明此方法高效,自动化程度高。最后,为了进一步优化无人机型号识别的细粒度,提出了基于瞬态特征的无人机射频指纹识别同类型不同个体的无人机。对无人机瞬态部分进行特征提取,所用到三种特征数据分别为:瞬时频率、瞬时相位、瞬时幅度。然后基于PCA的特征数据降维,过滤外部信息的干扰。利用特征维度及标准差设置四组对比实验,实验结果表明此方法可以有效的识别同类型不同个体的无人机,能够达到预期效果。