Este estudio aborda la creciente preocupación por el impacto de los vehículos aéreos no tripulados (VANT), particularmente los VANT de rotor, en el orden del tráfico aéreo y la seguridad pública. Proponemos un método novedoso para la extracción de características micro-Doppler en VANT de múltiples rotores dentro del dominio de la transformación tiempo-frecuencia. Utilizando optimización de enjambre de partículas con aprendizaje competitivo (CLPSO), nuestro enfoque divide la dinámica de la población en tres subgrupos, cada uno empleando mecanismos de optimización únicos para mejorar las capacidades de búsqueda local. Este método supera las limitaciones de los algoritmos tradicionales de optimización de enjambre de partículas (PSO), específicamente en la consecución de soluciones óptimas globales. Nuestros resultados de simulación y experimentales demuestran la eficiencia y precisión del método en la extracción de características micro-Doppler de VANT de ala rotativa. Este avance no solo facilita la detección e identificación de VANT, sino que también contribuye significativamente a los campos de monitoreo de VANT y seguridad del espacio aéreo.