调制格式识别(Modulation Format Identification,MFI)是当前通信系统中一项非常重要的技术手段。随着现代通信技术日新月异的变革和不同场景的应用,系统中的调制格式开始变得多样和繁复,为当前的相关识别技术带来了新的实践和挑战。目前,如何有效的并快速的对信号的调制格式进行识别是该领域中的一大研究性课题。近几年,随着机器学习、人工神经网络技术的发展,神经网络已然应用于各种专业领域,如计算机视觉处理、医学影像、语言翻译识别等,并且都取得了丰硕的研究成果。其中,利用人工神经网络结构进行调制格式的识别取得了重大进展。光子储备池计算(Photonic Reservoir Computing,P-RC)是一种神经网络系统,将输入信号可以进行Mask预处理,输入到有单个非线性节点加延迟反馈构成的储备池中,只需进行输出权值的训练,就可以实现语音识别或序列预测等不同的任务。由于半导体激光器具有良好的非线性,是储备池中的非线性节点的理想选择。光子储备池计算系统是新提出来的光信息处理方式,它具有训练算法复杂度低、所使用的实验结构实现简单等诸多的优点,有着极大的发展潜力。本文提出并使用光子储备池计算的系统完成了调制格式识别的研究任务,关于系统中动力学特性和相关的参数进行了最佳值的选取优化。具体而言,完成了如下工作:1.总结了目前进行调制格式识别的方法,简述了储备池计算研究现状及储备池计算的诸多优点。2.简述了光子储备池计算的理论基础,以及相关的混沌激光系统的产生原理、结构。3.提出使用光子储备池计算实现调制格式识别的方法,并搭建出光子储备池计算系统的模型。4.仿真实现了三种调制格式信号的产生及正确的识别,同时分析了储备池系统中的注入强度、反馈强度、储备池中虚拟节点数量、主从激光器频率失谐等参数对识别结果的影响,得到了系统参数的最优值。5.对本文工作进行了总结并展望未来的研究方向。