近年来,随着技术的发展和制造成本的降低,无人机在民用领域有着广泛的应用,相关的应用包括航空摄影、电力巡检、营救任务、农业监测、快递物流等。然而,无人机在给人们带来方便的同时,其所带来的危害也逐步凸显出来,大量未授权无人机威胁公共安全和人隐私,如无人机“黑飞”影响客机正常升降,利用无人机偷拍个人隐私、赛事会议以及室外展销等。为了最大程度降低威胁,需要通过技术手段对未授权无人机进行管控。目前针对无人机的探测和定位主要存在以下难点:1.由于小型无人机具有种类繁多且飞行速度快的特点,因此在拟定区域内,如何及时有效的探测出未授权无人机是个难点;2.在城市等复杂环境中,大型定位设备(如雷达等)无法进行部署,难以实时掌握未授权无人机的位置,因此无法对未授权无人机执行具有方向性的干扰操作。本文针对以上问题,对基于Wi-Fi流量的无人机的识别、定位展开研究,本文做了以下工作:1.针对及时有效识别未授权无人机问题。本文设计了基于无线设备配置信息识别的方法和基于Wi-Fi数据包统计特征的识别方法。为了缩短对未授权无人机识别所花费的时间,本文捕获无人机与控制器之间的Wi-Fi数据包,并提取元组信息,综合利用无人机厂商对其所生产无人机的AP(Access Point)模块配置信息,如MAC地址(Media Access Control Address)、SSID(Service Set Identifier)、端口等信息,从多维角度出发,利用确定关系与非确定关系判断所捕获的数据包是否属于无人机,其结果分为是、否和疑似为无人机数据包,针对疑似无人机数据和加密Wi-Fi数据则采用基于Wi-Fi数据包统计特征的识别方法。在基于Wi-Fi数据包统计特征的识别方法中,识别的精度随着捕获数据包的增加而增加,为降低对数据包的预测时间,使预测的时间成本和识别精度之间达到一个平衡状态,设计一种重新加权的机器学习模型,该模型考虑了样本收集时间、特征的计算时间和预测准确度,对捕获到的数据包进行逐包分析,以达到降低预测时间成本的目的。2.针对在城市等复杂环境中难以实时掌握未授权无人机位置的问题。本文利用了接收的信号强度指示(Received Signal Strength Indication,RSSI)与距离模型的关系和基于加权最近邻的指纹库匹配算法。首先针对RSSI易受多种因素影响,是一个不稳定的测量指标的情况,故采取离群检测算法和滤波对采集到的RSSI进行预处理,克服环境对信号的RSSI的影响,进而得到相对稳定的RSSI值和建立稳定的离线位置指纹数据库。其次,在线定位阶段,采用以锚点为球心的球相交于一点的方法进行定位方法,但是该方法适应性不强的情况,定位范围有限,故对定位方法进行扩充,针对无法相交于一点的情况,采用基于质心定位法,针对一些锚点没有收到待测位置所发信号的RSSI值的情况,采用基于位置指纹匹配法,并通过实验,达到预期效果。