1.一种跨域协同场景下的动态接入方法，其特征在于，包括以下步骤：步骤1：初始化模块获取跨域场景内网络节点，进行初始化，包括：将网络中节点分簇并指定簇首，生成包含簇内时隙表和簇间时隙表的完整时隙表，通过广播方式将完整时隙表加载至全网节点；同一簇内节点通信遵循相同的簇内时隙表，不同簇内节点通信遵循簇间时隙表；将所有簇首组成的集合看作一个编号为0的簇，从所有簇首中指定一个群首，将群首作为簇0的簇首；步骤2：将各簇的簇首作为算力节点，对每个簇，网络中各节点周期性上报自身的感知数据给簇首，簇首根据所有感知数据计算簇内当前网络状态数据；所述感知数据包括当前节点地理位置、能直接通信的簇内邻居节点、以及与邻居节点间待传输的数据流量；所述簇内当前网络状态数据包括簇内拓扑连接矩阵、簇内节点间流量矩阵以及簇内节点距离矩阵；步骤3：对每个簇，基于簇内当前网络状态数据构建图网络，将图网络与时隙序列输入深度强化学习网络处理；其中：对每个簇构建的图网络，包括：将簇中节点作为图网络中节点，根据节点间连接关系构建边；设置节点特征包含节点编号以及节点是否在网的活动状态；设置边特征包含节点一跳或多跳标识以及节点间距离；所述深度强化学习网络采用图神经网络与DQN决策网络组成，图神经网络对输入的图网络提取簇内网络特征输出给DQN决策网络，DQN决策网络评估当前时隙下选择各动作的Q值，Q值通过计算选择通信节点对带来的累计奖励得到；所述动作空间为簇内合法通信节点对的集合；步骤4：簇首节点进行时隙资源分配决策，并更新簇内节点间待传输的数据流量，使用DQN决策网络为下一个时隙评估各动作的Q值，再重复本步骤，直到当前簇内节点间待传输的数据流量能全部传输完成，得到更新后的簇内时隙表和簇间时隙表；将更新后时隙表进行全网广播，各节点同步更新时隙表后按时分多址机制接入通信。
2.根据权利要求1所述的方法，其特征在于，所述的步骤1中，根据节点所属域、地理位置和承担任务的功能进行分簇，将同域且在设定距离内又承担相同任务功能的节点分为一簇，在簇内以最短中心距离标准指定簇首；从所有的簇首中以最短中心距离标准指定一个群首。
3.根据权利要求1或2所述的方法，其特征在于，所述的步骤1，在分簇后记录信息：所有节点的编号，节点编号采用c_b形式表示，c为簇编号，b为簇内节点编号；每个簇的簇首节点。
4.根据权利要求1或2所述的方法，其特征在于，所述的步骤1，初始按照循环均分的方式对各簇内节点进行时隙资源分配，按照设定数量预留时隙数量用于簇间通信和管理；生成的完整时隙表按照字典进行存储，时隙表包含：簇序号clus_id，设0为簇间，从1开始为不同簇编号；时隙表长度slot_num，记录总时隙数量；时隙类型slot_type，时隙分为簇内通信时隙、簇内管理时隙、簇间通信时隙以及簇间管理时隙；时隙内的链接路径slot_path，使用数组[Tx_clus，Tx_id，Rx_clus，Rx_id]表示，Tx_clus和Tx_id分别是发送节点的簇号和编号，Rx_clus和Rx_id分别是接收节点的簇号和编号。
5.根据权利要求1所述的方法，其特征在于，所述的步骤2，根据当前节点地理位置计算簇内节点距离矩阵，包括：节点地理位置记录节点的经度、纬度和高度，先将节点的经纬高坐标转换到地心坐标系中，再根据节点的地心坐标计算簇内不同节点间的欧式距离，存储为簇内节点距离矩阵；根据节点间能否直接通信计算簇内拓扑连接矩阵，矩阵内第i行第j列元素代表节点i和节点j是否连通，若节点i和节点j能直接通信，表示连通，元素值为1，否则，元素值为0；簇内节点间流量矩阵记录簇内不同各节点间待传输的数据流量。
6.根据权利要求1所述的方法，其特征在于，所述的步骤3中，DQN决策网络的动作空间A＝[a 1 ,a 2 ,…,a n ]，n为通信对总数， M为簇内节点数量；DQN决策网络对动作空间A中每个动作做Q值的评估时，基于当前簇内网络状态计算动作的奖励累加历史奖励，得到累计奖励；设置动作的奖励r为：与满足通信需求的程度正相关，对通信对距离小于距离阈值的动作额外奖励，对通信对距离大于最长距离的动作施加负奖励，对重复选择的动作施加负奖励。
7.根据权利要求1或6所述的方法，其特征在于，所述的步骤4中，簇首根据设置的探索率β∈[0,1]，以概率β选择Q值最大的通信节点对接入当前时隙，以概率1-β从簇内除Q值最大的其余通信节点对中随机选择一队接入当前时隙。
8.根据权利要求1或6所述的方法，其特征在于，所述的方法，各簇定期检测簇内网络状态，执行步骤2，再通过步骤3和4更新簇内时隙表和簇间时隙表中的通信时隙。
