针对当前干扰识别算法依赖特征工程提取特征存在提取繁琐、识别准确率受干信比取值影响较大的问题，本文提出在不同干信比情况下基于时频图学习的北斗卫星导航系统（BDS,Beidou navigation satellite system）干扰类型识别方法。以航空机载北斗卫星导航系统B1I信号为对象，对原始B1I信号、包含干扰的B1I信号进行短时傅里叶变换，将变换后获取的时频图作为支持向量机和卷积神经网络模型的输入向量，完成干扰类型的检测与识别。仿真结果表明，两种机器学习识别算法的平均识别率均达到了99%以上，识别结果比传统决策树识别算法提升了30%以上，解决了现有干扰识别算法需要严重依赖人工设计的特征工程手动提取干扰信号特征以及识别率较低的问题。该研究结果可为后续的干扰抑制工作提供先验信息，提高航空领域中北斗卫星导航系统的安全性。