1.一种基于多维幅度分布特征的调制格式识别方法，其特征在于，包括以下步骤：S1、对CMA均衡后的信号进行功率归一化处理，得到信号的幅度直方图信息；

S2、根据不同调制格式的幅度分布特征，对QPSK、8QAM、16QAM、32QAM 、64QAM和128QAM信号的幅度直方图执行六次分区操作，得到信号在幅度直方图各个分区中的符号数量，分别为N1、N2、N3、N4、N5和N6；

S3、将不同OSNR情况下的QPSK、8QAM、16QAM、32QAM、64QAM和128QAM信号幅度直方图分区中的符号数量N1、N2、N3、N4、N5和N6作为特征输入至KNN分类器模型，得到已有训练集的KNN分类器模型；

S4、将待识别信号的幅度直方图分区中的符号数量N1、N2、N3、N4、N5和N6作为特征将特征向量输入至已有训练集的KNN分类器模型进行识别，得到调制格式识别结果；

所述执行六次分区操作如下：

第一分区：依据QPSK信号的幅度直方图在A1幅度区间至B1幅度区间的分布特征特性，将QPSK、8QAM、16QAM、32QAM、64QAM和128QAM信号的幅度直方图在A1幅度区间至B1幅度区间进行第一次分区操作，得到QPSK、8QAM、16QAM、32QAM、64QAM和128QAM信号在第一分区中的符号数量N1；

第二分区：依据8QAM信号的幅度直方图在A2幅度区间至B2幅度区间具有峰度分布特征，将QPSK、8QAM、16QAM、32QAM、64QAM和128QAM信号的幅度直方图在A2幅度区间至B2幅度区间进行第二次分区操作，得到QPSK、8QAM、16QAM、32QAM、64QAM和128QAM信号在第二分区中的符号数量N2；

第三分区：依据16QAM信号在A3幅度区间至B3幅度区间具有峰度分布特征，将QPSK、

8QAM、16QAM、32QAM、64QAM和128QAM信号的幅度直方图在A3幅度区间至B3幅度区间进行第三次分区操作，得到QPSK、8QAM、16QAM、32QAM、64QAM和128QAM信号在第三分区中的符号数量N3；

第四分区：依据32QAM信号在A4幅度区间至B4幅度区间具有峰度分布特征，将QPSK、

8QAM、16QAM、32QAM、64QAM和128QAM信号的幅度直方图在A4幅度区间至B4幅度区间进行第四次分区操作，得到QPSK、8QAM、16QAM、32QAM、64QAM和128QAM信号在第四分区中的符号数量N4；

第五分区：依据64QAM信号在A5幅度区间至B5幅度区间具有峰度分布特征，将QPSK、

8QAM、16QAM、32QAM、64QAM和128QAM信号的幅度直方图在A5幅度区间至B5幅度区间进行第五次分区操作，得到QPSK、8QAM、16QAM、32QAM、64QAM和128QAM信号在第五分区中的符号数量N5；

第六分区：依据128QAM信号在A6幅度区间至B6幅度区间分布特征特性，将QPSK、8QAM、

16QAM、32QAM、64QAM和128QAM信号的幅度直方图在A6幅度区间至B6幅度区间进行第六次分区操作，得到QPSK、8QAM、16QAM、32QAM、64QAM和128QAM信号在第六分区中的符号数量N6；

所述符号数量 的表达式如下：

其中， 表示第一次分区后A1幅度区间至B1幅度区间的符号数量，A1表示第一次分区中起始位置幅度区间的序号，B1表示第一次分区中结束位置幅度区间的序号， 表示第x个幅度区间的符号个数；

所述符号数量 的表达式如下：

其中，N2表示第二次分区后A2幅度区间至B2幅度区间的符号数量，A2表示第二次分区中起始位置幅度区间的序号，B2表示第二次分区中结束位置幅度区间的序号；

所述符号数量 的表达式如下：

其中，N3表示第三次分区后A3幅度区间至B3幅度区间的符号数量，A3表示第三次分区中起始位置幅度区间的序号，B3表示第三次分区中结束位置幅度区间的序号；

所述符号数量 的表达式如下：

其中，N4表示第四次分区后A4幅度区间至B4幅度区间的符号数量，A4表示第四次分区中起始位置幅度区间的序号，B4表示第四次分区中结束位置幅度区间的序号；

所述符号数量 的表达式如下：

其中，N5表示第五次分区后A5幅度区间至B5幅度区间的符号数量，A5表示第五次分区中起始位置幅度区间的序号，B5表示第五次分区中结束位置幅度区间的序号；

所述符号数量 的表达式如下：

其中，N6表示第六次分区后A6幅度区间至B6幅度区间的符号数量，A6表示第六次分区中起始位置幅度区间的序号，B6表示第六次分区中结束位置幅度区间的序号。

2.根据权利要求1所述的基于多维幅度分布特征的调制格式识别方法，其特征在于，所述S1包括以下步骤：S101、将CMA均衡后的信号进行功率归一化处理；

S102、取若干个符号，基于功率归一化处理的结果，在信号幅度的最小值与最大值之间均匀划分若干个均匀的幅度区间，其左边第一个幅度区间的序号为1，序号从左至右依次递增；

S103、根据划分结果，将符号幅度值与每个幅度区间范围进行比较，并根据比较结果，得到信号的幅度直方图信息。

3.根据权利要求2所述的基于多维幅度分布特征的调制格式识别方法，其特征在于，所述功率归一化处理的表达式如下：其中， 表示信号第n级幅度的相关概率， 表示信号第n级的幅度值，m表示该调制格式幅度总的级数。

4.根据权利要求1所述的基于多维幅度分布特征的调制格式识别方法，其特征在于，所述S3具体为：获取不同OSNR情况下的QPSK、8QAM、16QAM、32QAM、64QAM和128QAM信号幅度直方图分区中的符号数量N1、N2、N3、N4、N5和N6：对于每种调制格式，由若干个CMA均衡后的符号在不同幅度直方图分区中的符号数分布构建一训练样本，其中，每组训练样本为七维数据，前六维为不同幅度直方图分区中对应的符号数量N1、N2、N3、N4、N5和N6，第七维为标签；

将训练样本输入至KNN分类器模型中，得到已有训练集的KNN分类器模型。

5.根据权利要求1所述的基于多维幅度分布特征的调制格式识别方法，其特征在于，所述S4具体为：对于待识别信号，将若干个CMA均衡后的符号在幅度直方图不同分区中分布的符号数N1、N2、N3、N4、N5和N6构建为测试样本；

将测试样本输入至已有训练集的KNN分类器模型中进行识别，得到调制格式识别结果。