Apuntando a la escasez de recursos de espectro satelital de órbita terrestre baja (LEO), este documento propone un algoritmo de extracción de características de señal de interferencia y clasificación de patrones basado en aprendizaje profundo para mejorar aún más la estabilidad de los enlaces de comunicación satélite-tierra. El algoritmo puede predecir exitosamente el patrón de señal de interferencia, el tiempo de inicio-detención, el rango de cambio de frecuencia y otros parámetros, y tiene ventajas como un excelente rendimiento de detección de interferencias, alta precisión de detección y pequeño error de predicción de parámetros, etc. Puede aplicarse en el campo de monitoreo de canal de enlaces de comunicación satélite-tierra, y lograr la utilización repetida y eficiente de recursos de espectro. Los experimentos muestran que la precisión y recuperación del algoritmo para detectar cinco tipos de señales de interferencia son cercanas al 100%, el error de predicción del tiempo de inicio y finalización es inferior a 4 ms, y el error de predicción de la frecuencia de inicio y finalización es inferior a 6 KHz.