近年来,无人机因其体积小、成本低、机动灵活等优势已广泛应用于通信、摄影、农业、监控和数字公共服务等领域;另一方面,无人机可以对人、财产和基础设施进行直接物理攻击,也可以通过实时视频或高清图片等窥探隐私信息,对个人及公共安全构成严重威胁。因此,对非法无人机的有效监测成为近年来迫切需要解决的现实难题。电磁信号的检测与定位是监测非法无人机的重要手段之一,国内外学术界已有一些研究,但大多数方法识别率有限且三维定位能力受限,定位误差较大,因此亟需研究更有效的非法无人机检测和定位算法。本论文的主要工作如下:1)针对非法无人机信号复杂多变的现实挑战,提出了基于频谱态势图的非法无人机检测方法。首先,将非法接入和非法功率发射下潜在非法无人机的检测作为四元假设检验问题。其次,提出了一种基于频谱态势图的图像分类算法,该算法将每个感知时隙的协同频谱感知数据转换为一张图像,从而将四元假设检验问题转化为图像分类问题。为了挖掘更多的信息,进一步,联合考虑历史数据与当前数据,设计了一种无人机运动轨迹图分类算法,将无人机在多个感知时隙内的飞行过程转化为轨迹图像。仿真结果表明,在不同的传感器数量、无人机发射功率和传感器时间长短等参数下,所提出的算法均能对非法无人机进行有效检测。2)针对非法无人机信号先验未知和特征提取困难的现实挑战,提出了基于时频特征的非法无人机检测方法。首先通过时频分析功能提取电磁信号中的时频特征,将无人机电磁信号转换成时频图。其次,利用生成对抗网络无监督的学习正常情况下无人机时频图的数据分布情况。进一步通过比较测试数据及其对应的生成数据之间的差异实现对非法无人机的检测,同时可观测到非法无人机信号出现的时间和频段。仿真结果表明,训练好的生成对抗网络可以学习到正常数据的分布,并可有效检测非法无人机的干扰信号。3)针对现有三维定位算法较少且定位精度低的问题,提出了基于语义分割的三维无人机定位方法。首先,将三维感知数据转换为一系列二维图像切片,从图像的角度出发,探寻电磁信号传播规律。其次,提出一种语义分割的方法,识别每个切片中无人机干扰信号的覆盖范围并计算其覆盖面积。进一步基于电磁信号传播规律,设计一种加权定位算法来精确定位无人机射频发射源。仿真结果表明,在不同的传感器数量、无人机发射功率等参数下,所提出的算法均能对非法无人机进行有效定位。