Como una tecnología clave para la identificación de señales inalámbricas, el reconocimiento de modulación juega un papel importante en los campos de las comunicaciones de vehículos aéreos no tripulados (VANT), la gestión del espectro a baja altitud, etc. Sin embargo, la precisión del reconocimiento de modulación a menudo no puede ser garantizada en escenarios con interferencias de ruido graves cuando hay pocas muestras disponibles. En este documento, proponemos un método inteligente de reconocimiento de modulación para señales de VANT basado en la ampliación de muestras pequeñas y la eliminación de ruido mediante umbral suave. Primero, proponemos un nuevo método de expansión de conjunto de datos dual impulsado combinando el modelo de propagación del canal aire-tierra de VANT con las muestras de datos recibidas. Luego, construimos un modelo de memoria a largo y corto plazo basado en el aprendizaje de fondo (BL-LSTM) para extraer las características del fondo ambiental incrustadas en la señal de VANT, incluyendo el estado de línea de vista (LoS), parámetros de desvanecimiento a múltiples escalas y características de desplazamiento Doppler. Integramos la información del fondo ambiental en el modelo de entrenamiento de datos y optimizamos la autenticidad de la distribución de datos. Como resultado, se puede mejorar la adaptabilidad del modelo. Finalmente, construimos una red de reducción residual profunda basada en la función de umbral suave (STF-DRSN). Al aprovechar la capacidad del umbral suave que resiste la interferencia del ruido, la integramos en cada bloque residual de la red de reducción residual profunda. Los resultados de simulación muestran que, en comparación con el estado del arte, nuestro método puede mejorar la precisión del reconocimiento de modulación de señales de VANT en escenarios de muestras pequeñas.