Con el rápido desarrollo de la industria de vehículos aéreos no tripulados (VANT), hay una creciente demanda de tecnología de vigilancia de VANT. La vigilancia automática dependiente de la transmisión (ADS-B) proporciona un monitoreo preciso de los VANT. Sin embargo, el sistema no puede cifrar mensajes ni verificar identidades. Para abordar el problema de la suplantación de identidad, se aplica la identificación por huellas dactilares de radiofrecuencia (RFFI) para los transmisores ADS-B con el fin de determinar las verdaderas identidades de los VANT a través de la tecnología de seguridad de la capa física. Este documento desarrolla un marco de reconocimiento de señales de radio ADS-B basado en aprendizaje en conjunto. En primer lugar, la investigación analiza las características del contenido de datos de la señal ADS-B y realiza un procesamiento por segmentos para eliminar los posibles efectos del contenido de la señal. Para extraer características de diferentes segmentos de señal, se utiliza un método que combina el procesamiento de datos de extremo a extremo y no de extremo a extremo en una red neuronal convolucional. Posteriormente, estas características se fusionan a través de EL para mejorar la robustez y la capacidad de generalización del sistema de identificación. Finalmente, se evalúa la efectividad del marco propuesto utilizando datos ADS-B recopilados. Los resultados experimentales indican que la precisión de reconocimiento del método ELWAM-CNN propuesto puede alcanzar hasta el 97.43% y tiene un mejor rendimiento en diferentes relaciones señal-ruido en comparación con los métodos existentes que utilizan aprendizaje automático.