Los sistemas de ayuda a la navegación desempeñan un papel crucial en la guía de la navegación de los barcos y en la marcación de áreas de agua seguras. Por lo tanto, garantizar el reconocimiento preciso y eficiente del estado de un sistema de ayuda a la navegación es fundamental para la seguridad marítima. Para abordar el problema de las características dispersas en los datos de los sistemas de ayuda a la navegación, este documento propone un enfoque que implica tres procesos distintos: la extensión del espacio de entropía de rango, la fusión de características de múltiples dominios y la extracción de características ocultas (EFE). Basándose en estos procesos, este documento presenta un nuevo modelo LSTM denominado EFE-LSTM. Específicamente, en el módulo de extensión de características, introducimos un operador de entropía de rango para la extensión del espacio. Este método captura de manera efectiva la incertidumbre en la distribución de los datos y las interrelaciones entre las características. El módulo de fusión de características introduce nuevas características en el dominio del tiempo, dominio de frecuencia y dominio tiempo-frecuencia, capturando las características dinámicas de las señales en múltiples dimensiones. Finalmente, en el módulo de extracción de características, empleamos el modelo BiLSTM para capturar las características abstractas ocultas de las señales de navegación, lo que permite al modelo diferenciar de manera más efectiva entre los diferentes estados de los sistemas de ayuda a la navegación. Los extensos resultados experimentales en cuatro conjuntos de datos reales de sistemas de ayuda a la navegación indican que el modelo propuesto supera a otros algoritmos de referencia, logrando la mayor precisión entre todos los modelos de reconocimiento de estados con un 92.32%.