El Radar Bistático Pasivo (PBR) tiene aplicaciones significativas tanto civiles como militares debido a su capacidad para detectar objetivos de baja altitud. Sin embargo, las características incontrolables del transmisor a menudo conducen a un rendimiento de detección de objetivos deficiente, principalmente debido a una relación señal-ruido (SNR) baja. La acumulación coherente típicamente tiene una capacidad limitada para mejorar el SNR en presencia de ruido y desorden fuertes. En este documento, proponemos un método de mejora de la señal de radar basado en el aprendizaje adversario, llamado red generativa adversaria de mejora de señal de radar (RSEGAN), para superar este desafío. Por un lado, se diseña una estructura codificador-decodificador para mapear señales ruidosas a señales limpias sin intervención en la etapa de entrenamiento adversario. Por otro lado, se propone una pérdida híbrida limitada por regularización, regularización y penalización de gradiente para garantizar un entrenamiento efectivo de RSEGAN. Los resultados experimentales demuestran que RSEGAN puede eliminar de manera confiable el ruido de la información del objetivo, proporcionando una ganancia de SNR superior a 5 dB para el método básico de integración coherente incluso bajo condiciones de bajo SNR.