摘 要：随着无人机技术的迅猛发展及其在多个领域的广泛应用，确保无人机的安全飞行和有效监管成为了一个重要的研究课题。该文提出一种基于小波熵特征和优化神经网络的无人机飞控射频信号分类识别方法，旨在解决复杂电磁环境中无人机信号识别的问题。通过提取射频信号的小波熵特征并构建特征向量，结合由大蔗鼠优化算法(GCRA)优化的支持向量机(SVM)分类器，实现了对不同型号无人机的有效分类。实验使用了公开数据集Dron-eRFa中的常见无人机射频信号，经过10-折交叉验证测试，该方法对于6种型号的无人机分类准确率达到了97%以上，最高可达99%，证明了所提方法的有效性和可靠性。该研究为无人机自主避障、路径规划以及多机协同作业提供了重要的技术支持。
关键词：小波熵；优化神经网络；无人机射频信号；识别算法