摘要：隨著通信技術的發展,信號體制、調制方式日趨復雜,例如CPM、OFDM等,這給調制識別技術帶來了巨大挑戰。近年來,深度學習技術由于其強大的特征提取能力和分類能力,被廣泛應用到模式識別領域中。為了實現復雜調制方式的識別,文章將深度學習技術引入到調制識別領域,并提出一種基于改進的CLDNN模型的調制識別算法。CLDNN模型已被成功應用到語音識別領域,其表現出了強大的特征提取和分類能力。該方法在原有CLDNN模型的基礎上,針對調制識別問題的特點,對CLDNN進行了改進。而且該方法不依賴于載波同步、碼元同步等預處理。實驗結果表明,該方法可同時識別12種信號調制方式和信號體制,信噪比在3dB以上時,整體識別準確率達到90%以上,并且可以較好地識別復雜調制方式和信號體制。