Las señales de radar de baja probabilidad de interceptación (LPI) son ampliamente utilizadas en contramedidas electrónicas debido a su baja potencia y gran ancho de banda. Sin embargo, son susceptibles a interferencias de ruido, lo que plantea desafíos para una identificación precisa. Para abordar este problema, proponemos un método de reconocimiento de señales de radar LPI basado en la mejora de características con aprendizaje métrico profundo. Específicamente, las señales LPI en dominio temporal primero se transforman en imágenes tiempo-frecuencia a través de la distribución de Choi-Williams. Luego, proponemos una red de mejora de características con bloques de extracción de características dinámicas basadas en atención para extraer completamente las características detalladas en las imágenes tiempo-frecuencia. Mientras tanto, introducimos el aprendizaje métrico profundo para reducir la interferencia de ruido y mejorar las características tiempo-frecuencia. Finalmente, construimos una red de clasificación de extremo a extremo para lograr la tarea de reconocimiento de señales. Los resultados experimentales demuestran que nuestro método obtiene una precisión de reconocimiento significativamente mayor bajo una baja relación señal-ruido en comparación con otros métodos base. Cuando la relación señal-ruido es de -10 dB, la tasa de reconocimiento exitoso para doce señales típicas de LPI alcanza el 94.38%.