1.一种基于分离式卷积网络的雷达目标识别方法，其特征在于，所述雷达目标识别方法包括如下步骤：步骤S1、获取未知类别的雷达目标信号数据序列，并对所述未知类别的雷达目标信号数据序列依次进行归一化和零均值化处理；步骤S2、将零均值化处理后的未知类别的雷达目标信号数据序列输入到训练好的分离式卷积网络中，以获取所述未知类别的雷达目标信号对应的深度特征矩阵；步骤S3、对零均值化处理后的未知类别的雷达目标信号数据序列依次进行短时傅里叶变换和时域特征提取，得到所述未知类别的雷达目标信号对应的时域特征矩阵；步骤S4、对零均值化处理后的未知类别的雷达目标信号数据序列依次进行离散小波变换和频域特征提取，得到所述未知类别的雷达目标信号对应的频域特征矩阵；步骤S5、对零均值化处理后的未知类别的雷达目标信号数据序列依次进行多次零填充卷积和批归一化，得到所述未知类别的雷达目标信号对应的局部特征矩阵；步骤S6、将所述时域特征矩阵、频域特征矩阵和局部特征矩阵进行通道信息整合，得到所述未知类别的雷达目标信号对应的广度特征矩阵；步骤S7、对所述深度特征矩阵进行零填充卷积处理后与所述广度特征矩阵依次进行拼接、ReLU激活处理和通道注意力机制处理；步骤S8、对通道注意力机制处理结果依次进行区域扩增处理和分类识别。
2.根据权利要求1所述的雷达目标识别方法，其特征在于，在所述步骤S1中，所述归一化的具体实现过程包括：步骤S111、计算所述未知类别的雷达信号数据序列的二范数；步骤S112、将所述未知类别的雷达信号数据序列中各个雷达通讯信号数据除以所述未知类别的雷达信号数据序列的二范数。
3.根据权利要求2所述的雷达目标识别方法，其特征在于，在所述步骤S1中，所述零均值化处理的具体实现过程包括：步骤S121、计算归一化后的所述未知类别的雷达信号数据序列的平均值；步骤S122、将归一化后的所述未知类别的雷达信号数据序列中各个雷达通讯信号数据减去所述平均值。
4.根据权利要求3所述的雷达目标识别方法，其特征在于，在所述步骤S6中，所述通道信息整合的具体过程包括：步骤S61、将所述时域特征矩阵和频域特征矩阵和局部特征矩阵进行第一次拼接，得到第一拼接特征矩阵；步骤S62、采用三个不同卷积核，对所述第一拼接特征矩阵分别进行三次卷积处理，得到三个卷积特征矩阵；步骤S63、将其中两个卷积特征矩阵进行第二次拼接，得到第二拼接特征矩阵；步骤S64、将所述第二拼接特征矩阵进行卷积处理后，与剩余的卷积特征矩阵第三次拼接，得到第三拼接特征矩阵；步骤S65、对所述第三拼接特征矩阵依次进行卷积处理、批归一化层和ReLU激活处理，得到广度特征矩阵。
5.根据权利要求4所述的雷达目标识别方法，其特征在于，在所述步骤S7中，所述通道注意力机制处理的具体实现过程包括：步骤S71、对经过ReLU激活函数处理后得到的特征矩阵中每个通道的二维特征进行压缩处理，得到各个通道对应的实数；步骤S72、生成经过ReLU激活函数处理后得到的特征矩阵中各个通道对应的权重向量；步骤S73、将经过ReLU激活函数处理后得到的特征矩阵中各个通道对应的权重向量和对应的实数相乘。
6.一种基于分离式卷积网络的雷达目标识别系统，其特征在于，所述雷达目标识别系统包括：第一处理模块，用于获取未知类别的雷达目标信号数据序列，并对所述未知类别的雷达目标信号数据序列依次进行归一化和零均值化处理；第二处理模块，用于将零均值化处理后的未知类别的雷达目标信号数据序列输入到训练好的分离式卷积网络中，以获取所述未知类别的雷达目标信号对应的深度特征矩阵；第三处理模块，用于对零均值化处理后的未知类别的雷达目标信号数据序列依次进行短时傅里叶变换和时域特征提取，得到所述未知类别的雷达目标信号对应的时域特征矩阵；第四处理模块，用于对零均值化处理后的未知类别的雷达目标信号数据序列依次进行离散小波变换和频域特征提取，得到所述未知类别的雷达目标信号对应的频域特征矩阵；第五处理模块，用于对零均值化处理后的未知类别的雷达目标信号数据序列依次进行多次零填充卷积和批归一化，得到所述未知类别的雷达目标信号对应的局部特征矩阵；通道信息整合模块，用于将所述时域特征矩阵、频域特征矩阵和局部特征矩阵进行通道信息整合，得到所述未知类别的雷达目标信号对应的广度特征矩阵；第六处理模块，用于对所述深度特征矩阵进行零填充卷积处理后与所述广度特征矩阵依次进行拼接、ReLU激活处理和通道注意力机制处理；识别模块，用于对通道注意力机制处理结果依次进行区域扩增处理和分类识别。
7.根据权利要求6所述的雷达目标识别系统，其特征在于，所述第一处理模块包括：第一计算子模块，用于计算所述未知类别的雷达信号数据序列的二范数；相除子模块，用于将所述未知类别的雷达信号数据序列中各个雷达通讯信号数据除以所述未知类别的雷达信号数据序列的二范数。
8.根据权利要求7所述的雷达目标识别系统，其特征在于，所述第一处理模块还包括：第二计算子模块，用于计算归一化后的所述未知类别的雷达信号数据序列的平均值；相减子模块，用于将归一化后的所述未知类别的雷达信号数据序列中各个雷达通讯信号数据减去所述平均值。
9.根据权利要求8所述的雷达目标识别系统，其特征在于，所述通道信息整合包括：第一拼接子模块，用于将所述时域特征矩阵和频域特征矩阵和局部特征矩阵进行第一次拼接，得到第一拼接特征矩阵；第一卷积处理子模块，用于采用三个不同卷积核，对所述第一拼接特征矩阵分别进行三次卷积处理，得到三个卷积特征矩阵；第二拼接子模块，用于将其中两个卷积特征矩阵进行第二次拼接，得到第二拼接特征矩阵；第三拼接子模块，用于将所述第二拼接特征矩阵进行卷积处理后，与剩余的卷积特征矩阵第三次拼接，得到第三拼接特征矩阵；第二卷积处理子模块，用于对所述第三拼接特征矩阵依次进行卷积处理、批归一化层和ReLU激活处理，得到广度特征矩阵。
10.根据权利要求9所述的雷达目标识别系统，其特征在于，所述第六处理模块包括：压缩处理子模块，用于对经过ReLU激活函数处理后得到的特征矩阵中每个通道的二维特征进行压缩处理，得到各个通道对应的实数；生成子模块，用于生成经过ReLU激活函数处理后得到的特征矩阵中各个通道对应的权重向量；相乘子模块，用于将经过ReLU激活函数处理后得到的特征矩阵中各个通道对应的权重向量和对应的实数相乘。
