Nghiên cứu này được thực hiện nhằm tập trung đánh giá ảnh hưởng của các tham số đặc trưng của biến đổi Fourier thời gian ngắn (STFT) đến độ chính xác nhận dạng tín hiệu ra đa sử dụng mạng học sâu. Các tham số được xem xét bao gồm số điểm FFT, loại và độ dài hàm cửa sổ. Các kết quả phân tích thời gian – tần số của tín hiệu ra đa thu được từ các cấu hình STFT khác nhau được sử dụng làm đầu vào cho mạng nơ-ron tích chập học sâu dựa trên kiến trúc AlexNet. Kết quả thực nghiệm cho thấy việc tăng kích thước FFT giúp cải thiện độ chính xác nhận dạng ở các mức SNR thấp nhưng đồng thời làm tăng thời gian tính toán. Ngược lại, cửa sổ ngắn giúp tăng tốc độ xử lý nhưng làm giảm hiệu quả phân loại. Loại hàm cửa sổ cũng ảnh hưởng đáng kể đến độ phân giải phổ và tính ổn định đặc trưng của tín hiệu ra đa. Kết quả nghiên cứu này góp phần làm rõ mối quan hệ tương quan giữa độ phân giải thời gian – tần số và chi phí tính toán; đồng thời, khuyến nghị cho việc lựa chọn cấu hình STFT tối ưu trong các hệ thống nhận dạng tín hiệu ra đa theo thời gian thực cũng đã được đưa ra.