1.基于极坐标星座图特征的调制格式识别方法，其特征在于，包括以下步骤：S1、对相干光接收机接收的数字信号进行CMA均衡，并采用盲相位搜索方法初步恢复CMA均衡后的信号的相位信息，得到预处理后的数字信号；

S2、根据预处理后的数字信号生成三维极坐标星座图；

S3、获取三维极坐标星座图的五维特征；

S4、通过K最近邻分类算法对三维极坐标星座图的五维特征进行调制格式分类识别；

步骤S2的具体方法包括以下子步骤：

S2‑1、将预处理后的数字信号转换到极坐标体系下，根据转换后的实部和虚部信息获取预处理后的数字信号的幅度和相位；

S2‑2、将预处理后的数字信号的幅度归一化为[0,2.5]，将预处理后的数字信号的相位归一化为[‑3.2,3.2]；

S2‑3、在[0,2.5]范围内将当前幅度均分为50个区间，在[‑3.2,3.2]范围内将当前相位均分为80个区间，以幅度、相位和区间内的符号数作为极坐标星座图的三个维度生成三维极坐标星座图；

步骤S3的具体方法包括以下子步骤：

S3‑1、在三维极坐标星座图中获取如下16个局部区域的符号数量：其中 表示第k个局部区域的符号数量，k=1,2,3,…16； 表示第i行第j列内的符号数； 和 分别表示第k个局部区域中行的起始索引和终止索引； 和 分别表示第k个局部区域中列的起始索引和终止索引；

S3‑2、根据公式：

获取三维极坐标星座图的第一维特征 、第二维特征 、第三维特征 、第四维特征和第五维特征 。

2.根据权利要求1所述的基于极坐标星座图特征的调制格式识别方法，其特征在于，步骤S1中盲相位搜索方法为4QAM盲相位搜索方法。

3.根据权利要求1所述的基于极坐标星座图特征的调制格式识别方法，其特征在于，K最近邻分类算法的训练方法包括以下步骤：A1、采用与步骤S1至步骤S3相同的方法，分别获取不同光信噪比下的QPSK信号、16QAM信号、32QAM信号、64QAM信号、128QAM信号所对应的三维极坐标星座图的五维特征；

A2、将步骤A1得到的每一组五维特征作为一个训练样本，将五维特征对应的调制格式作为标签，对K最近邻分类算法进行训练，完成对K最近邻分类算法的训练。