La Clasificación Automática de Señales Inalámbricas (ACWS), que es un paso intermedio entre la detección de señales y la demodulación, se investiga en este documento. ACWS juega un papel crucial en varias aplicaciones militares y no militares, al identificar fuentes de interferencia y ataques adversarios, para lograr una gestión eficiente del espectro radioeléctrico. El rendimiento de los enfoques de clasificación tradicionales basados en características (FB) es limitado debido a su conjunto específico de características de entrada, lo que a su vez resulta en una mala generalización en condiciones desconocidas. Por lo tanto, en este documento, se propone un nuevo clasificador basado en características, la Máquina de Soporte Vectorial Inducida por Redes Neuronales (NSVM), en la que las características se aprenden automáticamente a partir de señales de entrada en bruto utilizando Redes Neuronales Convolucionales (CNN). La salida de NSVM es proporcionada por una Máquina de Soporte Vectorial (SVM) Gaussiana, que toma las características aprendidas por CNN como su entrada. El esquema propuesto NSVM se entrena como una única arquitectura, y de esta manera, aprende a minimizar una pérdida basada en márgenes en lugar de una pérdida de entropía cruzada. El esquema propuesto NSVM supera al clasificador de modulación basado en softmax de CNN tradicional al gestionar una convergencia más rápida de las curvas de precisión y pérdida durante el entrenamiento. Además, la robustez del clasificador NSVM se verifica mediante extensos experimentos de simulación bajo la presencia de varias degradaciones de canal del mundo real no ideales en un rango de valores de relación señal-ruido (SNR). El rendimiento de NSVM es notable en la clasificación de señales inalámbricas, como a baja relación señal-ruido (SNR), la precisión de clasificación promedio general es > 97% a SNR = -2 dB y a SNR más alto logra una precisión de clasificación general de > 99%, cuando SNR = 10 dB. Además de eso, la comparación analítica con otros estudios muestra que el rendimiento de NSVM es superior en una variedad de configuraciones.