1.一种基于神经网络集成的调制识别方法，其特征在于，包括以下步骤：S1、获取数据集：

对接收信号，每次采样8个码元长度的数据，经重采样构成128维的样本，并归一化样本，通过不间断连续采样，获取大量样本构成带标签的数据集；

根据需要识别的信号调制方式的种类k，构建数据集为：D＝{(x1,y1),(x2,y2),…,(xm,ym)}其中 y∈{1,2,…,k}；

S2、训练识别器：

建立k个二元的数据子集S1,…,Sk，其中：数据子集Si是数据集D中标签为i而标注标签值为+1或者-1的样本点集合；

对于每一种调制类别i∈[k]，都需要训练一个基于Si专用于识别这第i种信号的识别器，训练过程描述如下：

1:for t＝1,2,…,T do

2:

3:end for

其中，是基学习算法，用卷积神经网络实现，其希望学习得到一个二元预测器h：当且仅当x属于调制类别i时，h(x)的输出等于+1； 表示基于分布 从数据集Si训练出分类器ht；T是训练轮数，且T必须为奇数；

使用简单的投票法集成这T个二元预测器，最终输出投票结果的置信度；

S3、构建分类器：

输入样本x，并行地输入每种调制类别所属识别器，得到置信度P1(x),…,Pk(x)，经softmax综合得到各个调制类别的后验概率，最终构建的分类器为：S4、利用训练好的分类器对未知调制方式的通信信号进行识别。