本发明公开了一种基于干扰清洗和两阶段训练卷积神经网络模型的调制识别方法，该方法首先利用采集到的调制信号样本序列生成原始的周期相关特征数字谱图，并对其进行泛化奇异值分解操作、空间划分操作、消除噪声操作和抑制串扰操作等处理得到原始的最终周期相关特征数字谱图然后对卷积神经网络执行两阶段训练得到卷积神经网络模型，实现对输入的调制信号进行调制模式的识别、分类。显著特点：提高调制识别和分类准确性的同时，降低复杂度；能消除加性噪声并抑制来自相邻信道的串扰，增强训练和识别信号数据的真实性；提高了调制识别的泛化能力。