本发明公开了一种基于改进堆叠沙漏神经网络的自动调制分类方法，包括：获取调制信号作为原始数据并对原始数据进行归一化处理；采用两种不同形状的卷积核获取调制信号的特征信息，将获取的两种卷积特征在通道维度上进行连接，组成多局部特征信息；接收多局部特征信息并采用一个初始卷积模块来增加特征通道数；采用四个阶段沙漏模块堆叠依次对增加特征通道数的多局部特征信息进行端到端的分离；其中，每个沙漏模块均以瓶颈层为基本单元，在瓶颈层内部进行通道维度上的变化，每个沙漏模块在下采样阶段和上采样阶段均采用通道注意力机制对通道进行过滤。本发明在堆叠沙漏神经网络的基线网络基础上进行改进，能显著提升调制识别准确率。