1.一种自干扰消除方法，其特征在于，包括：t时刻获取基带信号x(t)，将所述基带信号x(t)导入输入层和卷积层的训练模型得到输出信号，所述训练模型包括：在所述输入层引入三维张量，在所述卷积层设置复数卷积层结构；其中，在所述输入层引入三维张量包括：所述基带信号x(t)，分为实部和虚部；根据所述实部和虚部构建三维张量，所述三维张量还包括原始数据的样本量和记忆长度；将所述三维张量输入所述卷积层，完成所述训练模型，得到输出信号；将所述输出信号输入LSTM层，所述LSTM层用于处理带有时序的序列，输出结果至全连接层，所述全连接层用于对所述输出结果进行数据的维度变换，得到维度变换结果；根据所述维度变换结果输入至输出层，所述输出层输出两个神经元。
2.根据权利要求1所述的一种自干扰消除方法，其特征在于，所述在所述卷积层设置复数卷积层结构，包括：所述基带信号x(t)，所述输入层分为实部输入层和虚部输入层；根据所述实部输入层和虚部输入层，分别输入所述卷积层进行复卷积，得到实部复卷积层和虚部复卷积层，再进行级联，完成所述训练模型，得到输出信号。
3.根据权利要求2所述的一种自干扰消除方法，其特征在于，所述根据所述实部和虚部，分别输入所述卷积层进行复卷积，得到实部复卷积层和虚部复卷积层，再进行级联，完成所述训练模型，得到输出信号，还包括：所述复卷积，如下：其中，x,y分别代表样本实部虚部，A,B代表复卷积核。
4.一种自干扰消除装置，其特征在于，包括：卷积模块，根据t时刻获取基带信号x(t)，将所述基带信号x(t)导入输入层和卷积层的训练模型得到输出信号；所述卷积模块，包括第一子模块，第二子模块，所述第一子模块包括，在所述输入层引入三维张量，所述第二子模块包括，在所述卷积层设置复数卷积层结构；其中，在所述输入层引入三维张量包括：所述基带信号x(t)，分为实部和虚部；根据所述实部和虚部构建三维张量，所述三维张量还包括原始数据的样本量和记忆长度；将所述三维张量输入所述卷积层，完成所述训练模型，得到输出信号；处理模块，将所述输出信号输入LSTM层，所述LSTM层用于处理带有时序的序列，输出结果至全连接层，所述全连接层用于对所述输出结果进行数据的维度变换，得到维度变换结果；输出模块，根据所述维度变换结果输入至输出层，所述输出层输出两个神经元。
5.根据权利要求4所述的一种自干扰消除装置，其特征在于，所述第二子模块，包括：所述基带信号x(t)，所述输入层分为实部输入层和虚部输入层；根据所述实部输入层和虚部输入层，分别输入所述卷积层进行复卷积，得到实部复卷积层和虚部复卷积层，再进行级联，完成所述训练模型，得到输出信号。
6.根据权利要求5所述的一种自干扰消除装置，其特征在于，所述第二子模块，还包括：所述复卷积，如下：其中，x,y分别代表样本实部虚部，A,B代表复卷积核。
