El reconocimiento de modulación es una tecnología importante en los sistemas de comunicación inalámbrica. En los últimos años, han surgido algoritmos de reconocimiento de modulación basados en aprendizaje profundo, que pueden aprender de forma autónoma características profundas y lograr un rendimiento de reconocimiento superior en comparación con algoritmos tradicionales. Sin embargo, todavía existen ciertas limitaciones. En este documento, con el objetivo de abordar el problema del pobre rendimiento de reconocimiento en relaciones señal-ruido bajas (SNR) y la incapacidad de las características profundas para distinguir eficazmente entre todos los tipos de modulación, proponemos un esquema de optimización para el reconocimiento de modulación basado en el ajuste fino y la reextracción de características. En el esquema propuesto, la red se entrena primero con las señales en altos SNR; luego, la red entrenada se ajusta finamente a la red no entrenada en bajos SNR. Finalmente, sobre la base de las características aprendidas por la red, se obtienen características más profundas con una discriminabilidad mejorada para tipos de modulación confundidos mediante la reextracción de características. Los resultados de la simulación demuestran que el esquema de optimización propuesto puede maximizar el rendimiento de la red neuronal en el reconocimiento de señales que son fácilmente confundidas y en bajos SNR. Es notable que la precisión de reconocimiento promedio del esquema propuesto fue del 91.28% dentro de un rango de SNR de -8 dB a 18 dB, lo cual representa una mejora del 8% al 17% en comparación con cuatro esquemas existentes.