无人机凭借着极高的机动性被广泛应用，然而随着无人机热度的上升，对无人机通信研究的必要性也愈发显现。无人机通信信号的调制种类众多，对无人机通信信号调制方式的准确识别至关重要。而在无人机多体制通信信号调制识别过程中，要面临不同信道场景，比如在高空飞行时近似为自由空间下信道，而在近地飞行时则为多径信道。在不同场景下的调制识别方式并不相同，目前针对无人机通信信号调制识别的研究并不多，而现有的研究也没有详细具化到不同信道类型下的信号识别具体方式，这也对实际应用产生了很大的局限性。所以本课题主要针对不同信道下无人机多体制通信信号的调制识别算法进行研究讨论。
　　针对上面所述的问题，本课题的研究内容为两部分，首先是无人机在高空飞行时，自由空间信道下的多体制通信信号调制识别，然后为近地飞行时，多径信道下的多体制通信信号调制识别。在信调制部分选取了经典的十种调制方式，在自由空间信道下，近似为只有高斯噪声影响，主要面临的问题就是要能够在大动态信噪比下保证识别率。本课题采用的处理方法是通过提取具有噪声鲁棒性的特征集并进行约简，送入支持向量机进行分类，成功完成大部分类间分类，只有ASK分类效果不佳，针对ASK无识别效果好的具有噪声鲁棒性特征这一点，将之前提取出来的原始特征集送入自动编码机进行训练，组合出新的具有噪声鲁棒性的特征集合，成功将ASK信号的类间识别率也提高到了90%以上。当无人机近地飞行时，信号调制方式识别主要面临的问题除了大动态信噪比还有多径衰落，因为无人机近地飞行时，在无人机处于悬停状态时，信道参数较稳定，这时候抵消多径衰落的可用方法是信道估计及均衡，本课题利用了频域最小均差估计及均衡算法对信号进行了处理，然后利用自动编码机训练分类，分类效果在信噪比较低的情况下并不理想，而且分类精度主要依赖于信道估计精度，偏差性较大。针对这种状况，本课题又采用了卷积神经网络对多径信道下多体制通信信号进行识别，直接提取特征，通过对网络参数结构的调整，成功将各个信噪比下识别率提升。
　　本课题通过针对无人机常见的两类信道的分析，成功实现了大动态信噪比下以及多径信道下的多体制通信信号调制方式识别。对无人机通信的应用推进具有重要实用价值。