이 논문에서는 펄스 레이다 신호의 특성을 나타내는 무선주파수와 펄스 반복 간격이 시간에 따라 긴 주기를 가지고변하는 경우, CNN-LSTM(convolutional neural network-long short-term memory) 기계학습을 적용하여 속성을 분류하는 방법을 제시한다. CNN은 데이터의 특징(features)을 추출하는 기능이 있고, LSTM은 순서열 데이터의 상관관계가 클 때 좋은분류 특성을 나타낸다. 그러나 LSTM은 입력 데이터의 길이가 길 때 오히려 성능이 저하하는 문제점을 가지고 있다. 제안 방법에서는 CNN을 적용하여 긴 주기 데이터로부터 압축된 특징을 추출함으로써 LSTM에 입력되는 데이터의 길이를 축소하였다. 모의실험 결과, 제안 방법은 전체적으로 182,516개의 레이다 신호 속성 조합에 대해 데이터 누락률이10 %일 때 95 % 이상의 식별률을 나타내었다.