通信信号自动调制识别指的是可以自动识别不同通信信号的调制方式。作为信号检测和解调的中间部分,调制识别技术在软件无线电、电子对抗和智能解调器等各种民用和军用应用中发挥着重要作用。经过几十年的发展,调制识别技术取得了许多成就。然而随着工程需求的增加和无线通信信道环境的日益复杂,仍有许多问题有待解决。本文研究了基于深度学习的通信信号调制识别算法,深度学习可以直接从原始的信号数据中提取到特征,而无需人工提取高阶信号特征,如高阶循环矩。首先,本文介绍了有关于深度学习的基础理论,包括全连接神经网络和卷积神经网络。全连接神经网络描述了神经元数学模型、代价函数和后向传播算法。卷积神经网络描述了卷积和池化的数学原理。其次,本文通过研究深度学习中的深度置信网络的理论知识,将深度置信网络应用到通信信号调制识别中,研究了基于深度置信网络的通信信号调制识别算法。并且通过将该算法与传统的机器学习算法进行对比来验证算法的有效性。仿真结果表明:在对运算复杂度要求不高的情况下基于深度置信网络的通信信号调制识别算法的识别准确率要高于与部分的机器学习算法。最后,考虑到基于深度置信网络的通信信号调制识别算法存在识别效果不理想的问题,本文通过对原来的算法进行改进,研究了基于卷积深度置信网络的通信信号调制识别算法。仿真实验结果表明:基于卷积深度置信网络的通信信号调制识别算法在增加一定运算复杂度的前提下识别准确率要高于原算法。本文为深度学习在通信领域中调制识别上的应用提供了新的思路。