Para proporcionar un conocimiento previo importante para la estimación de la dirección de llegada (DOA) de emisores de UAV en futuras redes inalámbricas, presentamos un sistema completo de preprocesamiento de DOA para inferir el número de emisores a través de un arreglo de recepción masivo de múltiples entradas y múltiples salidas (MIMO). En primer lugar, para eliminar las señales de ruido, se proponen dos detectores de señal de alta precisión, la raíz cuadrada del valor propio máximo multiplicado por el valor propio mínimo (SR-MME) y la media geométrica (GM). En comparación con otros detectores, SR-MME y GM pueden lograr una alta probabilidad de detección mientras mantienen una probabilidad de falsa alarma extremadamente baja. En segundo lugar, si los detectores determinan la existencia de emisores, necesitamos confirmar su número. Por lo tanto, realizamos la extracción de características en la secuencia de valores propios de una matriz de covarianza de muestra para construir un vector de características y proponemos de manera innovadora una red neuronal de múltiples capas (ML-NN). Además, también se diseñan la máquina de soporte vectorial (SVM) y el clasificador bayesiano ingenuo (NBC). Los resultados de la simulación muestran que los métodos basados en aprendizaje automático pueden lograr buenos resultados en la clasificación de señales, especialmente las redes neuronales, que siempre pueden mantener la precisión de clasificación por encima del 70% con el arreglo de recepción masivo MIMO. Finalmente, analizamos los métodos clásicos de clasificación de señales, Akaike (AIC) y longitud mínima de descripción (MDL). Se concluye que los dos métodos no son adecuados para escenarios con arreglos MIMO masivos, y también tienen un rendimiento mucho peor que los clasificadores basados en aprendizaje automático.