1.一种基于实例分割的微动信号分离方法，其特征在于，所述方法包括：根据预先构建的多散射点目标雷达微动信号回波模型，获取目标微动回波信号的时频图像；所述时频图像的像素坐标为所述微动回波信号的离散时刻和瞬时频率；根据目标散射点数量将所述时频图像中的每一信号分量标注分量类别标签，并将所有信号分量的交点位置标注交点标签，根据每一信号分量在所述时频图像中的像素坐标、所述分量类别标签和所述交点标签，得到标签信息矩阵；构建用于分离信号分量的微动分量分离模型，将所述标签信息矩阵和所述时频图像输入所述微动分量分离模型对微动分量分离模型进行训练，得到训练好的微动分量分离模型；所述微动分量分离模型包括特征提取网络和实例分割网络；所述特征提取网络为多尺度特征提取网络，用于获取时频图像的图像通道数据以及各像素点的像素坐标信息，根据像素坐标信息，更新图像通道数据，得到多尺度特征图；将待分离时频图像输入至所述训练好的微动分量分离模型，得到待分离时频图像的分离结果；所述分离结果的维度包括对应于每一信号分量的维度和对应于所有交点位置的维度。
2.根据权利要求1所述的方法，其特征在于，所述根据每一信号分量在所述时频图像中的像素坐标、所述分量类别标签和所述交点标签，得到标签信息矩阵包括：根据每一信号分量在所述时频图像中的像素坐标，查找所述像素坐标在预先设置的与所述时频图像大小相同的零矩阵中的对应位置；将零矩阵对应位置的零数据替换为每一分量信号所对应的分量类别标签，当所述零矩阵对应位置已存在非零标签时，将所述零矩阵对应位置的非零标签替换为交点标签；根据所述分量类别标签和所述交点标签，得到标签信息矩阵。
3.根据权利要求1所述的方法，其特征在于，根据将所述标签信息矩阵和所述时频图像输入所述微动分量分离模型对微动分量分离模型进行训练，得到训练好的微动分量分离模型的步骤，包括：将所述标签信息矩阵和所述时频图像输入所述微动分量分离模型，得到所述时频图像的分离结果；根据所述分离结果和所述标签信息矩阵，得到交叉熵损失函数为：loss＝focalloss(p ij ，l ij )其中，l ij 为标签信息矩阵中第i列、第j行的标签信息，p ij 为分离结果中第i列、第j行的分量信息，p ij ＝softmax(F(i，j，：))，F为通过微动分量分离模型得到的维度为w×h×(L+1)的特征层，w是特征层的宽度，h是特征层的高度，L为散射点总数， 通过所述交叉熵损失函数对微动分量分离模型进行训练，得到训练好的微动分量分离模型。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据一阶参数连续性准则对所述分离结果中相交于同一交点位置的信号分量进行重组，得到重组分量；对所述重组分量进行插值，并将插值后的重组分量的像素坐标转换为离散时刻和瞬时频率，得到正确分离结果。
5.根据权利要求4所述的方法，其特征在于，在根据一阶参数连续性准则对所述分离结果中相交于同一交点位置的信号分量进行重组，得到重组分量之前，包括：对所述分离结果的每一维度每一列的非零数据进行平均化处理，得到对应于每一信号分量的每一维度所对应的分量集合和对应于所有交点位置的维度所对应的交点坐标集合，索引所述分量集合和交点坐标集合中的同一列元素，得到相交于同一交点的交点分量集合。
6.根据权利要求5所述的方法，其特征在于，根据一阶参数连续性准则对所述分离结果中相交于同一交点位置的信号分量进行重组，得到重组分量的步骤包括：根据一阶参数连续性准则对所述交点分量集合中的每一分量元素在交点区间的前后导数进行近似计算并求差，得到评估矩阵；根据所述评估矩阵的最小值索引，得到一阶连续的位于交点区间前的前分量元素和位于交点区间后的后分量元素，将所述前分量元素和所述后分量元素进行重组，得到重组集合；对重组集合进行线性插值生成，得到插值集合，根据所述插值集合和重组集合得到重组分量。
7.根据权利要求1所述的方法，其特征在于，所述根据预先构建的多散射点目标雷达微动信号回波模型，获取目标微动回波信号的时频图像包括：根据预先构建的多散射点锥体目标雷达微动信号回波模型，得到目标微动回波信号为：其中，s(t)为目标微动回波信号，f c 为载波频率，L为散射点总数，σ l (t)为第l个散射点的散射强度，r l (t)为第l个散射点相对于雷达的瞬时距离，c为光速，n(t)为加性高斯白噪声，j为虚数单位；根据预先设置的雷达参数和目标运动参数对所述目标微动回波信号进行短时傅里叶变换，得到所述微动回波信号的时频图像；所述短时傅里叶变换为：其中，h(t)为一个关于t＝0为中心的对称窗函数，τ为时间延迟。
8.一种基于实例分割的微动信号分离装置，其特征在于，所述装置包括：时频图像获取模块，用于根据预先构建的多散射点目标雷达微动信号回波模型，获取目标微动回波信号的时频图像；所述时频图像的像素坐标为所述微动回波信号的离散时刻和瞬时频率；标注模块，用于根据目标散射点数量将所述时频图像中的每一信号分量标注分量类别标签，并将所有信号分量的交点位置标注交点标签，根据每一信号分量在所述时频图像中的像素坐标、所述分量类别标签和所述交点标签，得到标签信息矩阵；模型训练模块，用于构建用于分离信号分量的微动分量分离模型，将所述标签信息矩阵和所述时频图像输入所述微动分量分离模型对微动分量分离模型进行训练，得到训练好的微动分量分离模型；所述微动分量分离模型包括特征提取网络和实例分割网络；所述特征提取网络为多尺度特征提取网络，用于获取时频图像的图像通道数据以及各像素点的像素坐标信息，根据像素坐标信息，更新图像通道数据，得到多尺度特征图；分离结果输出模块，用于将待分离时频图像输入至所述训练好的微动分量分离模型，得到待分离时频图像的分离结果；所述分离结果的维度包括对应于每一信号分量的维度和对应于所有交点位置的维度。
9.根据权利要求8所述的装置，其特征在于，所述装置还包括后处理模块，用于根据一阶参数连续性准则对所述分离结果中相交于同一交点位置的信号分量进行重组，得到重组分量；对所述重组分量进行插值，并将插值后的重组分量的像素坐标转换为离散时刻和瞬时频率，得到正确分离结果。
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
