现有基于特征提取和模式识别的复合调制盲识别方法对特征和样本量敏感，且在多子载波情况下流程繁琐。基于统一载波体制复合调制信号建模，提出了以压缩后的复合调制信号频域数据为特征、利用倒残差分组卷积结构的轻量化神经网络对压缩数据进行训练和分类的盲识别新思路。通过实验平台搭建和Python代码实现，对10种复合调制信号进行了不同信噪比下的盲识别对比试验，结果表明：该方法在0 dB信噪比条件下识别率可达94.5%,5 dB信噪比条件下识别率为100%；精确识别所需数据量少于基于统计特征和决策树的识别方法，分类所用神经网络的准确率和参数量亦优于基准网络。