针对无人机（UAV）在图像识别时易受环境干扰，而传统信号识别难以准确提取特征且实时性较差的问题，提出一种基于改进卷积神经网络（CNN）和射频（RF）指纹的无人机检测识别方法。首先，使用通用软件无线电外设（USRP）捕获环境中的无线电信号，经过多分辨率分析获取偏差值，检测是否为无人机射频信号；其次，将检测到的无人机射频信号经过小波变换和主成分分析（PCA）处理，获得射频信号频谱，作为神经网络的输入；最后，构建轻量级残差神经网络（LRCNN），输入射频频谱进行网络训练，进行无人机的分类识别。实验结果表明，所提方法可以有效检测并识别无人机信号，平均识别精度可达84%；在信噪比（SNR）大于20 dB时，LRCNN的识别精度达到了88%，相较于支持向量机（SVM）、原始OracleCNN分别提高31和7个百分点，在识别精度和鲁棒性方面比这两种方法均有所提升。
