El reconocimiento automático de modulación (AMR) ha sido un tema candente de larga data entre los académicos, y tiene claras ventajas de rendimiento sobre los algoritmos tradicionales. Sin embargo, CNN y RNN, que son comúnmente utilizados en tareas de clasificación serial, sufren de problemas al no poder hacer un buen uso de la información global y tener una velocidad de ejecución lenta debido a operaciones seriales, respectivamente. En este artículo, para resolver los problemas mencionados, se propone una red de reconocimiento de clasificación automática basada en Transformer mejorada por la Unidad Lineal de Puerta (TMRN-GLU), que combina las ventajas de CNN con una alta eficiencia de operaciones paralelas y RNN con una extracción suficiente de información global del contexto de la señal temporal. Experimentos relevantes en el conjunto de datos público RML2016.10b muestran que el algoritmo propuesto no solo tiene una ventaja significativa en el número de parámetros en comparación con los algoritmos existentes, sino que también ha mejorado la precisión de reconocimiento bajo varios ratios señal-ruido. En particular, la precisión del algoritmo propuesto mejora significativamente en comparación con otros algoritmos en condiciones de bajo ratio señal-ruido. La precisión se mejora en al menos un 9% en condiciones de bajo ratio señal-ruido (6 dB) y aproximadamente un 3% en condiciones de alto ratio señal-ruido (>2 dB).