本发明公开了一种基于卷积神经网络和知识迁移的信号分类识别方法，首先采用卷积神经网络提取雷达信号特征，并利用迁移学习技术提升卷积神经网络的训练速率和预测精度，其中卷积神经网络模型采用不同大小卷积核相结合，在提升网络深度的同时，对网络提取的特征进行降维。本发明通过增加卷积神经网络的深度，提高了模型提取样本特征的能力，同时避免了由于网络深度增加带来的计算量增大，梯度消失、梯度爆炸等问题；利用迁移学习等方法，加快了神经网络的训练过程，提升了雷达信号分类识别准确率。