随着各种各样的新兴数据业务的出现,越来越多种调制格式和线路速率的光信号在网络中传输,对光网络的弹性提出了更高的要求。在这种复杂的光网络中,可用资源的管理和监控面临巨大的挑战,针对不同的调制格式配置相应的解调器,从而获得各格式的监控数据以做出针对性的分析,这一点对网络中间节点的光性能检测很有必要,如此,也就成为了下一代弹性光网络研究的热点之一。智能调制格式识别大体上分为基于决策论和基于特征两种方法,本论文是后者,其主要围绕针对信号预处理、特征参数提取和分类算法这三步进行,现有的特征提取和信号预处理技术种类非常多,但是分类算法还有诸多争议。因此,探索针对调制格式识别的分类算法具有重要意义。论文针对弹性光网络中的智能调制格式识别需求,提出了一种基于支持向量机(SVM)并利用异步幅度直方图(AAH)特征的光信号调制格式识别方法,主要工作和创新点总结如下:1、阐述了特征提取的SVM等关键技术原理,分析了典型SVM分类函数的特点。2、提出并实现了采用AAH的光信号调制格式特征提取方法,以四种典型的复杂调制光信号为例对所提方法进行了仿真验证,得到了幅度特征参数,验证了该方法的可行性。3、提出并实现了基于SVM的光信号调制格式分类算法,结合AAH特征提取方法,对四种光调制格式进行了智能识别验证。仿真结果表明,采用论文所提方法对光信号调制识别的正确率达98.95%,建模时间为毫秒级。