En la actualidad, hay dos problemas principales en los métodos de identificación de emisores de radar comúnmente utilizados. Primero, cuando la distribución de los datos de entrenamiento y los datos de prueba es bastante diferente, la precisión de identificación es baja. Segundo, los métodos de identificación tradicionales suelen incluir una etapa de entrenamiento fuera de línea y una etapa de identificación en línea, lo que no puede lograr la identificación en tiempo real del emisor de radar. Con el objetivo de resolver los problemas mencionados, este artículo propone un método de identificación de emisores de radar basado en el aprendizaje por transferencia y el aprendizaje en línea. Primero, para el caso en que el dominio objetivo contiene solo un pequeño número de muestras etiquetadas, se utiliza el método TrAdaBoost como el marco de aprendizaje básico para entrenar una máquina de soporte vectorial, que puede obtener conocimientos útiles del dominio fuente para ayudar en la identificación del dominio objetivo. Luego, para el caso en que el dominio objetivo no contiene muestras etiquetadas, se utiliza el algoritmo de Expectativa-Maximización para filtrar las muestras no etiquetadas en el dominio objetivo y generar los datos de entrenamiento disponibles. Finalmente, para hacer la identificación de manera rápida y precisa, proponemos un método de identificación de emisores de radar, basado en el aprendizaje en línea para garantizar la actualización en tiempo real del modelo. Los experimentos de simulación muestran que el método propuesto, basado en el aprendizaje por transferencia y el aprendizaje en línea, tiene una mayor precisión de identificación y buena puntualidad.