Las radios inteligentes recopilan información al detectar señales dentro del espectro de radio, y el reconocimiento automático de modulación (AMR) de señales es una de sus tareas más desafiantes. Aunque el resultado de una clasificación de modulación basada en una red neuronal profunda es mejor, el entrenamiento de la red neuronal requiere cálculos complicados y hardware costoso. Por lo tanto, en este documento, proponemos una arquitectura AMR maestro-esclavo utilizando la reconfigurabilidad de las matrices de compuertas programables en campo (FPGAs). Primero, discutimos el método de construcción de AMR, utilizando un autoencoder de convolución en pila (CAE), y analizamos los principios de entrenamiento y clasificación. Luego, sobre la base de la arquitectura de red en chip de radiofrecuencia, se proponen las condiciones de restricción de AMR en FPGA desde los aspectos de optimización de computación y optimización de acceso a memoria. Los resultados experimentales no solo demostraron que los CAEs basados en AMR funcionaron correctamente, sino que también mostraron que AMR basado en redes neuronales podría implementarse en FPGAs, con el potencial de asignación dinámica de espectro y sistemas de radio cognitiva.