1.一种空中目标智能识别方法，其特征在于，所述方法包括：步骤S1、从未知雷达信号中提取表征雷达行为的动作时序片段以及所述动作时序片段的组合，作为待识别雷达动作时序；其中，在所述步骤S1中，将所述未知雷达信号按照信号样式进行分类，以获取所述表征雷达行为的动作时序片段以及所述动作时序片段的组合；步骤S2、通过预配置的编码区间对所述待识别雷达动作时序的各维参数取值范围进行分区编码，生成待识别时序各维参数编码；其中，在所述步骤S2中，利用各个所述预配置的编码区间对所述待识别雷达动作时序的脉宽/重复周期、参数个数和工作频率进行所述分区编码，当所述待识别雷达动作时序的脉宽/重复周期、参数个数和工作频率落入任一分区时，所述任一分区置1，其他分区置0，从而生成所述待识别时序各维参数编码；步骤S3、利用预训练的深度神经网络处理所述待识别时序各维参数编码，识别出对应的雷达行为；其中，预训练所述深度神经网络具体包括：步骤S01、从电磁目标数据库中提取表征标准雷达行为的标准动作时序片段以及所述标准动作时序片段的组合，作为用于深度学习的原始雷达动作时序；其中，在所述步骤S01中，按照雷达用途对所述电磁目标数据库中的各个辐射源进行分类，进一步按照所述信号样式对经分类的每一类辐射源再进行分类，得到所述标准动作时序片段以及所述标准动作时序片段的组合；步骤S02、对所述原始雷达动作时序进行预处理，包括：通过所述预配置的编码区间对所述原始雷达动作时序的各维参数取值范围进行分区编码，生成标准时序各维参数编码；其中，在所述步骤S02中，分别对脉宽/重复周期、参数个数和工作频率的取值范围进行分区，得到所述预配置的编码区间，分别利用各个所述预配置的编码区间对所述原始雷达动作时序的脉宽/重复周期、参数个数和工作频率进行所述分区编码，当所述脉宽/重复周期、参数个数和工作频率落入某一分区时，所述某一分区置1，其他分区置0，从而生成所述标准时序各维参数编码；步骤S03、采用所述深度神经网络对所述标准时序各维参数编码进行样本学习训练，直至所述样本学习训练达到收敛态，并获取所述预训练的深度神经网络；其中，在所述步骤S03中，对所述标准时序各维参数编码进行维度转换，生成标准参数一维数组，采用基于注意力机制和通道信息融合的所述深度神经网络对所述标准参数一维数组进行样本学习训练，直至所述样本学习训练达到收敛态；其中：所述深度神经网络包括输入层、第一标准化层、第一隐藏层、第二标准化层、第二隐藏层、第三标准化层、第三隐藏层和输出层，所述标准参数一维数组先后经过以上各层后得到标准时序脉冲标签；根据所述标准参数一维数组的真实标签和所述标准时序脉冲标签计算损失函数，通过对所述以上各层的网络神经元权值的反向调整以及不断迭代计算，使得所述损失函数达到设定阈值，则所述样本学习训练达到所述收敛态；步骤S4、根据目标平台信息和所述对应的雷达行为生成雷达识别结果和空中目标识别结果；其中，在所述步骤S4中，所述目标平台信息包括平台高度、速度和目标RCS，所述目标RCS为目标雷达散射截面积，结合所述目标平台信息和所述对应的雷达行为，按照控住目标的运动特点和目标大小，对所述对应的雷达行为进行判别，以获取所述雷达识别结果和所述空中目标识别结果。
2.一种空中目标智能识别系统，其特征在于，所述系统包括：第一处理单元，被配置为：从未知雷达信号中提取表征雷达行为的动作时序片段以及所述动作时序片段的组合，作为待识别雷达动作时序；其中，所述第一处理单元具体被配置为：将所述未知雷达信号按照信号样式进行分类，以获取所述表征雷达行为的动作时序片段以及所述动作时序片段的组合；第二处理单元，被配置为：通过预配置的编码区间对所述待识别雷达动作时序的各维参数取值范围进行分区编码，生成待识别时序各维参数编码；其中，所述第二处理单元具体被配置为，利用各个所述预配置的编码区间对所述待识别雷达动作时序的脉宽/重复周期、参数个数和工作频率进行所述分区编码，当所述待识别雷达动作时序的脉宽/重复周期、参数个数和工作频率落入任一分区时，所述任一分区置1，其他分区置0，从而生成所述待识别时序各维参数编码；第三处理单元，被配置为：利用预训练的深度神经网络处理所述待识别时序各维参数编码，识别出对应的雷达行为；其中，预训练所述深度神经网络具体包括：步骤S01、从电磁目标数据库中提取表征标准雷达行为的标准动作时序片段以及所述标准动作时序片段的组合，作为用于深度学习的原始雷达动作时序；其中，在所述步骤S01中，按照雷达用途对所述电磁目标数据库中的各个辐射源进行分类，进一步按照所述信号样式对经分类的每一类辐射源再进行分类，得到所述标准动作时序片段以及所述标准动作时序片段的组合；步骤S02、对所述原始雷达动作时序进行预处理，包括：通过所述预配置的编码区间对所述原始雷达动作时序的各维参数取值范围进行分区编码，生成标准时序各维参数编码；其中，在所述步骤S02中，分别对脉宽/重复周期、参数个数和工作频率的取值范围进行分区，得到所述预配置的编码区间，分别利用各个所述预配置的编码区间对所述原始雷达动作时序的脉宽/重复周期、参数个数和工作频率进行所述分区编码，当所述脉宽/重复周期、参数个数和工作频率落入某一分区时，所述某一分区置1，其他分区置0，从而生成所述标准时序各维参数编码；步骤S03、采用所述深度神经网络对所述标准时序各维参数编码进行样本学习训练，直至所述样本学习训练达到收敛态，并获取所述预训练的深度神经网络；其中，在所述步骤S03中，对所述标准时序各维参数编码进行维度转换，生成标准参数一维数组，采用基于注意力机制和通道信息融合的所述深度神经网络对所述标准参数一维数组进行样本学习训练，直至所述样本学习训练达到收敛态；其中：所述深度神经网络包括输入层、第一标准化层、第一隐藏层、第二标准化层、第二隐藏层、第三标准化层、第三隐藏层和输出层，所述标准参数一维数组先后经过以上各层后得到标准时序脉冲标签；根据所述标准参数一维数组的真实标签和所述标准时序脉冲标签计算损失函数，通过对所述以上各层的网络神经元权值的反向调整以及不断迭代计算，使得所述损失函数达到设定阈值，则所述样本学习训练达到所述收敛态；第四处理单元，被配置为：根据目标平台信息和所述对应的雷达行为生成雷达识别结果和空中目标识别结果；其中，所述目标平台信息包括平台高度、速度和目标RCS，所述目标RCS为目标雷达散射截面积，结合所述目标平台信息和所述对应的雷达行为，按照控住目标的运动特点和目标大小，对所述对应的雷达行为进行判别，以获取所述雷达识别结果和所述空中目标识别结果。
3.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时，实现权利要求1所述的一种空中目标智能识别方法。
4.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现权利要求1所述的一种空中目标智能识别方法。
