La minería de datos de radar es el módulo clave para el análisis de señales, donde los patrones ocultos dentro de las señales están gradualmente disponibles en el proceso de aprendizaje y su superioridad es significativa para mejorar la seguridad del sistema de clasificación de emisores de radar (REC). Debido a la desventaja de que la huella dactilar de frecuencia de radio (RFF) causada por la imperfección del hardware del emisor es difícil de falsificar, los métodos actuales de REC basados en técnicas de aprendizaje profundo, como las redes neuronales convolucionales (CNN) y la memoria a corto y largo plazo (LSTM), tienen dificultades para capturar las características estables de RFF. En este artículo, se propone un modelo de aprendizaje auxiliar de representación genérica multimodal en línea y no cooperativo, denominado redes de aprendizaje auxiliar de representación genérica multimodal (MGRALN). Multimodal significa que las transformaciones de múltiples dominios se unifican en una representación genérica. Después de esto, la representación se utiliza para facilitar la minería de la información implícita dentro de las señales y para lograr una mejor robustez del modelo, lo que se logra utilizando la generación genérica disponible para guiar el entrenamiento y aprendizaje de la red. En línea significa que el proceso de aprendizaje de REC es solo una vez y el REC es de extremo a extremo. No cooperativo denota que no se utilizan técnicas de demodulación antes de la tarea de REC. Los resultados experimentales en los datos de radar de aviación civil medidos demuestran que el método propuesto permite lograr un rendimiento superior.