现阶段,通信领域的快速发展使得通信环境变得复杂化、信号调制方式也更加多样化,信号接收端需要对接收到的调制信号进行解调等信号处理,此实现过程离不开调制方式识别技术的支撑,因此,调制识别技术的研究有着重要的工程意义。目前,传统的调制方式识别方法往往复杂且需要丰富的专业知识及经验,人工提取到尽可能完备的特征需要大量科学研究以及实验,但人工难以实现多层特征的提取,且在信噪比较低或信道不理想的情况下,各信号的特征往往不易提取,需要综合多个特征,并进行特征融合,识别算法往往复杂且实时性较差。为此,本文研究了基于深度学习算法的数字调制信号特征提取,文章的主要研究内容如下:首先,本文针对通信系统中常见的信号调制类型的数学模型与重要参数进行了概述,并对常用的通信信号处理方法进行了简要介绍;其次,本文利用循环谱、小波变换和星座图等方法实现相关通信信号的原始特征提取;然后,对深度学习几种经典模型以及网络训练方法进行研究;最后,分别应用两种不同的深度学习模型,并通过仿真选定算法中需要的参数以达到最佳效果,对不同调制类型的信号进行循环谱变换或者小波变换,提取信号的原始特征,然后通过深度网络取得信号的深层特征,再结合分类器,设计了有效的通信信号调制方式识别系统。并通过仿真验证了系统的良好性能。