La identificación específica del emisor (SEI) se refiere a la tarea de distinguir emisores similares, especialmente aquellos del mismo tipo y parámetros de transmisión, lo cual es una de las tareas más críticas de la guerra electrónica. Sin embargo, SEI sigue siendo una tarea desafiante cuando una característica tiene baja representación física. La representación de la característica determina en gran medida los resultados de reconocimiento. Por lo tanto, este artículo espera avanzar hacia una representación de características robusta para SEI. Las estrategias multimodales eficientes tienen un gran potencial para aplicaciones que utilizan datos multimodales y pueden mejorar aún más el rendimiento de SEI. En esta investigación, presentamos un método de identificación de emisor multimodal que explora la aplicación de datos multimodales, señales de radar de series temporales y datos de vectores de características a un transformador mejorado, que emplea un bloque conformer para incrustar los datos crudos e integra un módulo eficiente de representación de características multimodales. Además, empleamos la destilación de autoconocimiento para mitigar predicciones sobreconfidentes y reducir variaciones intraclase. Nuestro estudio revela que los datos multimodales proporcionan suficiente información para la identificación específica del emisor. Al mismo tiempo, proponemos el método CV-CutMixOut para aumentar la señal en el dominio del tiempo. Experimentos extensos en conjuntos de datos de radar reales indican que el método propuesto logra resultados de identificación más precisos y una mayor discriminabilidad de características.