La industria de los vehículos aéreos no tripulados (VANT) se está desarrollando rápidamente, y la aplicación de los VANT se está volviendo cada vez más generalizada. Debido a la reducción del umbral para el uso de VANT, el vuelo aleatorio de estos vehículos presenta riesgos de seguridad. En respuesta a los riesgos de seguridad asociados con la operación no autorizada de VANT, la investigación sobre tecnología anti-VANT se ha vuelto imperativa. Este estudio propone un método mejorado de extracción de características sonoras que utiliza las características de distribución de frecuencia de los sonidos de los VANT. Al analizar el espectrograma de los sonidos de los VANT, se encontró que el clásico método de extracción de características de Coeficientes Cepstrales en Frecuencia Mel (MFCC) no coincide con las bandas de frecuencia de los sonidos de los VANT. Basado en el marco del algoritmo de extracción de características MFCC, se propuso un método mejorado de extracción de características de banda de frecuencia. Este método reemplaza el filtro Mel en el algoritmo clásico por una función lineal por tramos con el peso de la banda de frecuencia como pendiente, lo que puede suprimir efectivamente la influencia del ruido de baja y alta frecuencia y centrarse completamente en los diferentes datos de características de banda de frecuencia de los sonidos de los VANT. En este estudio, se recopilaron los sonidos de vuelo reales de los VANT, y se extrajo la matriz de características sonoras de los VANT utilizando el método de extracción de características de banda de frecuencia. Las características sonoras fueron clasificadas y reconocidas utilizando una Red Neuronal Convolucional (CNN). Los resultados experimentales muestran que el método de extracción de características de banda de frecuencia tiene un mejor efecto de reconocimiento en comparación con el clásico método de extracción de características MFCC.