1.一种卫星导航干扰信号数据库的构建方法，其特征在于，所述构建方法包括如下步骤：步骤S1，从卫星接收机中采集完整导航信号，判断完整导航信号中是否存在干扰信号；步骤S2，对判断存在的干扰信号，根据隶属度进行分类，将分类结果作为第一标签；步骤S3，提取干扰信号的优化特征进行分类，添加第二标签；步骤S4，采集干扰信号时域射频形式的信号，采用训练好的卷积神经网络进行分类，添加第三标签；步骤S5，构建标签函数，并对第一标签进行修正；步骤S6，建立与干扰信号分级标签相匹配的识别算法模块索引，实现干扰信号识别算法的精确查找调用；其中，步骤S2包括：步骤S21，对所述干扰信号进行归一化处理，将干扰信号归一化为均值为0，标准差为1的正态分布信号；步骤S22，基于归一化后的干扰信号，计算干扰信号属于空基动态干扰、地基动态干扰及静态干扰的隶属度，计算公式(3)如下：式(3)中，μ kj 表示干扰信号属于空基动态干扰的隶属度，μ dj 表示干扰信号属于地基动态干扰的隶属度，μ jt 表示干扰信号属于静态干扰的隶属度，f kj 表示空基动态干扰的隶属度函数，f dj 表示地基动态干扰的隶属度函数；f jt 表示静态干扰的隶属度函数；feature表示干扰信号的特征；选择隶属度最大的类型作为干扰信号的分类结果，根据分类结果对干扰信号添加第一标签first_label；步骤S3包括：步骤S31，通过频谱侦测手段，识别干扰信号的中心频点、带宽、功率、重复周期，并构建特征矩阵：charac＝[center,band,power,cycle] (5)式(5)中，charac表示特征矩阵，center表示干扰信号的中心频点，band表示干扰信号的带宽，power表示干扰信号的功率，cycle表示干扰信号的重复周期；步骤S32，建立干扰信号自表达学习的目标函数：obj_func＝min∑||charac T ·Auni-charac T ·Auni·struc||+α||charac||+β||struc|| (6)式(6)中，obj_func表示自表达学习的目标函数，charac T 表示矩阵charac的转置，Auni表示满足charac T ·Auni·Auni T ·charac＝I的矩阵，Auni T 表示矩阵Auni的转置，I表示单位矩阵，struc表示信号结构因子，|| ||表示范数约束，α,β表示正则化参数；步骤S33，定义优化因子：opt＝(I-struc)(I-struc) T (7)式(7)中，opt表示优化因子，(I-struc) T 表示矩阵(I-struc)的转置；自表达学习的目标函数obj_func更新为：obj_func′＝minΣ||charac T ·Auni·opt·Auni T ·struc||+α||charac|| (8)式(8)中，obj_func′表示自表达学习的目标函数更新值；步骤S34，确定struc的取值，带入式(7)，计算优化因子opt；对优化因子opt进行特征分解，计算最小的N个特征值对应的特征向量，基于所述特征向量构建特征选择矩阵eig_matrix；所述特征选择矩阵为特征矩阵charac的优化；步骤S35，利用特征选择矩阵提取干扰信号的优化特征，并将优化特征输入支持向量机，对干扰信号按照宽带干扰、窄带干扰、脉冲干扰或者扫频干扰进行分类，并根据分类结果对干扰信号添加第二标签sec_label；步骤S4中，对干扰信号按照单载波、AM、FM、BOC、BPSK、QPSK或者FSK进行分类，并根据分类结果对干扰信号添加第三标签thir_label。
2.根据权利要求1所述的卫星导航干扰信号数据库的构建方法，其特征在于，所述步骤S1进一步包括：步骤S11，使用卫星接收机接收来自不少于4颗卫星的导航信号，并对接收到的导航信号进行解调，将其从射频信号转换为基带信号，作为完整导航信号；步骤S12，对完整导航信号进行解码，提取出卫星轨道参数、信号传播时间与接收机位置信息，同时通过接收机的射频前端电路记录信号功率，通过接收机的噪声测量电路记录噪声功率；步骤S13，利用信号功率和噪声功率计算载噪比，计算公式(1)如下：式(1)中，CNR为载噪比，lg()为取以10为底数的对数操作，P 1 为信号功率，P 2 为噪声功率；步骤S14，将接收机测量的信号传播时间乘以光速，计算得到实际测量伪距；利用卫星轨道参数、接收机位置，采用最小二乘法计算得到理论伪距；用实际测量伪距减去理论伪距，得到伪距残差ρ；步骤S15，构建导航干扰信号初步识别网络，步骤S15，构建导航干扰信号初步识别网络，计算存在干扰信号的概率，根据存在干扰信号的概率，判断是否存在干扰信号。
3.根据权利要求2所述的卫星导航干扰信号数据库的构建方法，其特征在于，计算存在干扰信号的概率公式(2)如下：式(2)中，pro为存在干扰信号的概率，sigmoid()为sigmoid函数，MLP()为多层感知机操作；根据存在干扰信号的概率，判断是否存在干扰信号：若pro＝1，则认为存在导航干扰信号，进入步骤S2；若pro＝0，则认为不存在导航干扰信号。
4.根据权利要求1所述的卫星导航干扰信号数据库的构建方法，其特征在于，步骤S21归一化时，计算干扰信号的均值mean和标准差std_dev，对干扰信号的每个数据点，使用以下公式进行归一化：normalized_data＝(data-mean)/std_dev其中，normalized_data表示归一化后的干扰信号，data表示未归一化的干扰信号。
5.根据权利要求1所述的卫星导航干扰信号数据库的构建方法，其特征在于，步骤S5中，对第一标签进行修正采用如下公式：式(9)中，label_func表示干扰信号的标签函数，label_func＝1表示干扰信号的标签合理，也就是第一标签为first_label、第二标签为sec_label、第三标签为thir_label的干扰信号存在；label_func＝0表示干扰信号的标签不合理，也就是第一标签为first_label、第二标签为sec_label、第三标签为thir_label的干扰信号不存在；若label_func＝0，对第一标签进行修正，选择隶属度次大的类型作为干扰信号的第一级分类结果，将根据分类结果对干扰信号的第一标签first_label进行修正。
6.根据权利要求1所述的卫星导航干扰信号数据库的构建方法，其特征在于，步骤S6中，构建识别算法模块的索引如下：Index:(cate,layer)＝alori (10)式(10)中，layer表示索引层级，cate表示每一层的类型，alori表示可调用的算法；当layer＝1时，类型cate的集合为：{空基动态干扰，地基动态干扰，静态干扰}当layer＝2时，类型cate的集合为：{宽带干扰，窄带干扰，脉冲干扰，扫频干扰}当layer＝3时，类型cate的集合为：{单载波，AM，FM，BOC，BPSK，QPSK，FSK}。
7.一种采用如权利要求1-6任一项所述卫星导航干扰信号数据库的构建方法所构建的数据库，其特征在于，所述数据库包括识别算法模块和存储模块；其中，存储模块存储了基于携带干扰信号的完整导航信号所采集的干扰信号，所述干扰信号根据分类结果被赋予第一标签、第二标签和第三标签，并根据标签保存在相应的存储模块中；所述识别算法模块用于输入待识别的干扰信号，并根据干扰信号调用相应的识别算法模块中的识别算法，再基于存储器中存储的干扰信号类型对待识别的干扰信号进行识别。
