现代雷达通常采用低截获概率雷达信号(Low Probability Intercept,LPI)对目标进行探测,因此在雷达对抗中需要对LPI信号分类。而目前多采用传统人工特征提取算法进行分类,在实际应用中此类算法分类正确率不理想。本发明提出一种基于正交镜像滤波器组和卷积神经网络结合的分类方法。具体方法是,首先对截获的雷达信号进行QMFB处理,得到雷达分层时频图像;再基于本发明的新型卷积神经网络对雷达分层时频图像分类;最后输出LPI雷达信号分类结果。本发明基于卷积神经网络能自动提取出多种LPI信号特征,分类效率和识别正确率较传统算法都有很大提高。