El período de exploración de la antena (ASP) del radar es un parámetro crucial en la guerra electrónica (EW) que se utiliza en muchas aplicaciones, como el reconocimiento de patrones de trabajo del radar y el reconocimiento de emisores. Para las antenas de radares y sistemas EW, que realizan exploraciones de forma circular, el método basado en la medición de umbral es inválido. Para superar esta limitación, este estudio propone un método que utiliza la red neuronal convolucional (CNN) para reconocer el ASP del radar en la condición de que las antenas del radar y del sistema EW escaneen de forma circular. Se construye un modelo de sistema y se analizan los factores que afectan la potencia de la señal recibida. Se desarrolla un modelo de CNN para la clasificación rápida y precisa del ASP del radar. Se utilizan una gran cantidad de imágenes de potencia-tiempo de la señal recibida de tres ASP separados para el entrenamiento y la prueba del modelo desarrollado bajo diferentes condiciones experimentales. Los resultados de los experimentos numéricos y la comparación de rendimiento demuestran una alta precisión de clasificación y efectividad del método propuesto en la condición de que las antenas del radar y del sistema EW sean de exploración circular, donde la precisión de reconocimiento promedio para el ASP del radar es de al menos el 90% cuando la relación señal-ruido (SNR) no es inferior a 30 dB, lo cual es significativamente mayor que la precisión de reconocimiento de los métodos NAC y AFT basados en la detección de umbral adaptativo.