Los vehículos aéreos no tripulados (UAVs) se convertirán en una parte indispensable de las futuras redes móviles de sexta generación (6G) que pueden proporcionar deposición flexible, fuerte adaptabilidad y alta calidad de servicio. Bajo la garantía de blockchain, los UAVs pueden proporcionar servicios de comunicación o computación eficientes para dispositivos de inteligencia terrestre y promover el desarrollo de la comunicación inalámbrica. Sin embargo, a medida que aumenta el número de UAVs, será necesario abordar problemas relacionados con la planificación de rutas de UAV, el manejo de emergencias, la intrusión de UAVs ilegales, etc. Este documento propone un filtro de densidad de probabilidad de hipótesis de mezcla gaussiana (GM-PHD) mejorado basado en aprendizaje automático para el seguimiento y reconocimiento de objetivos de enjambres de UAV no cooperativos. Los resultados de la simulación demuestran que el filtro mejorado puede suprimir de manera efectiva la interferencia de desorden en entornos complejos y mejorar el rendimiento del reconocimiento de múltiples objetivos y el seguimiento de trayectorias en comparación con el filtro GM-PHD tradicional.