1.一种基于射频指纹的无人机探测与识别方法，其特征在于，包括：步骤1，通过射频前端接收无线信号，具体为：使用2.4GHz全向天线接收无线信号，将天线接收的无线信号经2.4GHz低噪声高频放大器放大后送入滤波器进行滤波，将滤波后的信号经过混频器进行下变频处理，输出较为稳定的中频信号频谱信息；

步骤2，基于步骤1得到的信号进行处理，若接收信号某个频段上的信号幅度稳定大于预设阈值σ，则判定有信号进入并将该信号记为疑似信号，对疑似信号进行判定，由于无人机的通信信号是周期信号，其自相关函数依然具有周期性，而噪声干扰信号的自相关函数则不具备周期性，因此通过计算疑似信号的自相关函数是否具有周期性来判别疑似信号是否为无人机信号，从而实现无人机的探测；

步骤3，基于步骤2得到的无人机信号进行数据采集，分为离线阶段和在线阶段，离线阶段：使用信号特征提取算法提取无人机信号特征，作为该无人机设备的“指纹”，最后将提取的“指纹”数据和代表该无人机类别的标签一起作为训练数据进行存储，在线阶段：提取步骤2得到的无人机信号的信号特征，作为测试数据并存储；所述步骤3具体为：*

S1：对步骤2所述的疑似信号进行分析，疑似信号为r(t)＝αx(t)+βx (t)，其中，α＝cosθ+jεsinθ,β＝εcosθ+jsinθ，x(t)为理想信号，ε和θ分别为正交调制器的增益失配和相位失* * * *配参数，对r(t)取复共轭得到r(t)＝βx(t)+αx(t)；

*

S2：对S1中r(t)和r (t)进行分析，定义 计算Y(t)的自相关矩阵RY＝E[YH 2 2

(t)Y(t) ]并化简可得 其中σx是x(t)的能量，σs是r(t)的能量；

S3：基于S2中得到的自相关矩阵RY，定义特征 代入α和β进行化简得由化简结果可知，只与ε和θ有关，对于不同的无人机设备，由I/Q失配产生的相位失配θ和增益失配ε是不同的，因此不同无人机的 值不同，那么就可以将的值作为无人机设备的“指纹”；

步骤4，基于步骤3得到的无人机的训练数据和测试数据，使用无人机分类识别算法来实现无人机的分类识别。

2.根据权利要求1所述的一种基于射频指纹的无人机探测与识别方法，其特征在于，所述步骤4具体为：得到无人机的训练数据和测试数据后，使用K最近邻算法对无人机进行分类识别。