本研究提出了一种创新的在线自动调制分类方案，首次使用分布核表征基带信号。在动态信道条件下，该方法表现优异，具有显著的线性时间复杂度，提高了实时应用的效率。

深度学习在自动调制分类方面取得了新进展，为边缘设备上的无线信号处理提供了可能。通过研究三种常用的模型优化技术，提出了优化的卷积神经网络结构以实现自动调制分类。实验结果表明，这些优化技术对于开发复杂度较小的模型并在减少参数的同时维持或提高分类性能非常有效。