本發(fā)明涉及深度學(xué)習(xí)的自動(dòng)識(shí)別算法領(lǐng)域，具體涉及一種多分量雷達(dá)信號(hào)脈內(nèi)調(diào)制方式識(shí)別方法。獲取幾種不同脈內(nèi)調(diào)制方式的單分量或交疊多分量雷達(dá)信號(hào)的時(shí)頻圖像；利用圖像處理算法，對(duì)雷達(dá)信號(hào)時(shí)頻圖像進(jìn)行預(yù)處理，將雷達(dá)信號(hào)中包含的信號(hào)類型作為標(biāo)簽，制作訓(xùn)練集和測(cè)試集；設(shè)計(jì)基于卷積神經(jīng)網(wǎng)絡(luò)的預(yù)訓(xùn)練網(wǎng)絡(luò)提取雷達(dá)信號(hào)時(shí)頻圖像特征，設(shè)計(jì)基于強(qiáng)化學(xué)習(xí)的多分量信號(hào)分類網(wǎng)絡(luò)獲取分類識(shí)別結(jié)果；訓(xùn)練、測(cè)試、完善網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)；實(shí)現(xiàn)多分量信號(hào)的分類識(shí)別。本發(fā)明所述的多分量雷達(dá)信號(hào)識(shí)別算法在低信噪比情況下，具有廣泛的雷達(dá)信號(hào)類型適應(yīng)范圍和較高的識(shí)別準(zhǔn)確率，實(shí)現(xiàn)了隨機(jī)交疊多分量雷達(dá)信號(hào)的脈內(nèi)調(diào)制方式識(shí)別。