La demanda de aplicaciones críticas de ancho de banda ha estimulado a la comunidad de investigación no solo a desarrollar nuevas formas de comunicación, sino también a utilizar de manera eficiente el espectro existente. Las redes se han vuelto dinámicas y heterogéneas. Los receptores han recibido varias señales que pueden ser moduladas de manera diferente. La clasificación automática de modulación (AMC) es un procedimiento clave para las redes de comunicación actuales y de próxima generación, y facilita el proceso de demodulación en el lado del receptor. Bajo la presencia de ruido del canal, el transmisor y el receptor con sus parámetros desconocidos, como la frecuencia portadora, el desfase de fase, la potencia de la señal y la información de sincronización, se han vuelto engorrosos porque detectar el esquema de modulación de la señal recibida es un procedimiento complicado. Se utilizan dos métodos principales, a saber, las funciones de máxima verosimilitud y el enfoque basado en características estadísticas de la señal (FB), para la clasificación automática de señales moduladas. En este estudio, se realiza una encuesta exhaustiva de diversas técnicas de modulación basadas en el enfoque FB. En esta investigación, se investigaron una serie de características básicas que suelen utilizarse para determinar y discriminar tipos de modulación. El clasificador que se utilizó en el proceso de discriminación se estudió en detalle y se comparó con otros tipos de clasificadores para ayudar al lector a determinar las limitaciones asociadas con el enfoque FB. Se compararon tanto los clasificadores como las características básicas, y se investigaron sus ventajas y desventajas en función de investigaciones anteriores para determinar el mejor tipo de clasificador y el conjunto de características en relación con cada entorno de discriminación. Este trabajo sirve como guía para los investigadores de AMC para determinar las características y algoritmos adecuados.