Con el continuo desarrollo y progreso de la ciencia y la tecnología, el entorno electromagnético cada vez más complejo y la investigación y desarrollo de nuevos sistemas de radar han dado lugar a la aparición de diversos señales de radar. Los métodos tradicionales de identificación de emisores de radar no pueden satisfacer las necesidades de las aplicaciones prácticas actuales. Con el propósito de clasificar y reconocer las señales de emisión de radar, este documento propone un método de clasificación mejorado EfficientNetv2-s basado en aprendizaje profundo para una clasificación y reconocimiento más precisos de las señales de fuente de radiación de radar. Usando 16 tipos diferentes de parámetros de señal de radar de la tabla de configuración de parámetros de señal, el método propuesto genera conjuntos de datos aleatorios que consisten en imágenes de espectro con amplitud variable. El método propuesto reemplaza la convolución bidimensional en EfficientNetV2 con convolución unidimensional. Además, el mecanismo de atención de canal de EfficientNetv2-s se optimiza y modifica para obtener pesos de atención sin reducción dimensional, lo que resulta en una precisión superior. En comparación con otros métodos de clasificación de imágenes de aprendizaje profundo, los resultados de prueba de este método tienen una mejor precisión de clasificación en el conjunto de pruebas: la precisión top1 alcanza el 98.12%, que es 0.17-3.12% más alta que otros métodos. Además, el método propuesto tiene una complejidad menor en comparación con la mayoría de los métodos.