1.一种射频通道宽带非线性特性建模方法，其特征在于，包括：获取待建模的输入信号和输出信号；检测所述输入信号和/或所述输出信号的带宽类型；基于所述带宽类型获取多组模型参数，并将多组模型参数分别输入至预设的模型中，对应得到多个预训练模型；其中，预设的模型为非线性模型；将所述输入信号分别输入至各个所述预训练模型中，得到对应的预测信号，基于所述输出信号和所述预测信号计算第一误差值；根据各个所述第一误差值的数值由小到大依次选取预设数量的预训练模型记为目标预训练模型；基于所述带宽类型获取相同类型的训练数据集；其中，所述训练数据集中的一组训练数据包括第一输入信号和第一输出信号；将所述训练数据集输入至每个所述目标预训练模型中进行训练，分别对应得到训练完成后的非线性特性测量模型；获取各个所述非线性特性测量模型的第二误差值，并选取第二误差值最小的所述非线性特性测量模型作为目标非线性特性测量模型；所述获取各个所述非线性特性测量模型的第二误差值的步骤，包括：获取与所述带宽类型相同类型的测试数据集；其中，所述测试数据集中的一组测试数据包括测试输入信号和测试实际输出信号；将所述测试数据集中的测试输入信号输入至各个所述非线性特性测量模型中，得到测试预测输出信号；根据公式 计算所述第二误差值；其中，NMSE ’ 为第二误差值，N为测试数据集中测试数据的组数， 为第n个测试实际输出信号， 为第n个测试预测输出信号， 。
2.如权利要求1所述的射频通道宽带非线性特性建模方法，其特征在于，所述获取各个所述非线性特性测量模型的第二误差值的步骤，包括：获取与所述带宽类型相同类型的测试数据集；其中，所述测试数据集中的一组测试数据包括测试输入信号和测试实际输出信号；将所述测试数据集中的测试输入信号输入至各个所述非线性特性测量模型中，得到测试预测输出信号；根据公式 计算所述第二误差值；其中，NMSE为第二误差值，N为测试数据集中测试数据的组数， 为第n个测试实际输出信号， 为第n个测试预测输出信号。
3.如权利要求1所述的射频通道宽带非线性特性建模方法，其特征在于，所述非线性模型为时域模型或频域模型。
4.如权利要求3所述的射频通道宽带非线性特性建模方法，其特征在于，所述非线性模型为广义矩估计法模型。
5.如权利要求1所述的射频通道宽带非线性特性建模方法，其特征在于，所述将所述训练数据集输入至每个所述目标预训练模型中进行训练，分别对应得到训练完成后的非线性特性测量模型的步骤，包括：将所述训练数据集依次输入至每个所述目标预训练模型中，并在每次训练时通过最小均方法对每个所述目标预训练模型中模型参数进行更新，分别对应得到训练完成后的非线性特性测量模型。
6.如权利要求1所述的射频通道宽带非线性特性建模方法，其特征在于，所述基于所述带宽类型获取多组模型参数的步骤，包括：将所述输入信号和/或输出信号输入至预设的时域模型中，以得到对应的频谱；基于所述频谱匹配多组模型参数。
7.一种射频通道宽带非线性特性建模装置，其特征在于，包括：第一获取模块，用于获取待建模的输入信号和输出信号；检测模块，用于检测所述输入信号和/或所述输出信号的带宽类型；第二获取模块，用于基于所述带宽类型获取多组模型参数，并将多组模型参数分别输入至预设的模型中，对应得到多个预训练模型；其中，预设的模型为非线性模型；第一输入模块，用于将所述输入信号分别输入至各个所述预训练模型中，得到对应的预测信号，基于所述输出信号和所述预测信号计算第一误差值；选取模块，用于根据各个所述第一误差值的数值由小到大依次选取预设数量的预训练模型记为目标预训练模型；第三获取模块，用于基于所述带宽类型获取相同类型的训练数据集；其中，所述训练数据集中的一组训练数据包括第一输入信号和第一输出信号；第二输入模块，用于将所述训练数据集输入至每个所述目标预训练模型中进行训练，分别对应得到训练完成后的非线性特性测量模型；第四获取模块，用于获取各个所述非线性特性测量模型的第二误差值，并选取第二误差值最小的所述非线性特性测量模型作为目标非线性特性测量模型；所述第四获取模块，包括：获取与所述带宽类型相同类型的测试数据集；其中，所述测试数据集中的一组测试数据包括测试输入信号和测试实际输出信号；将所述测试数据集中的测试输入信号输入至各个所述非线性特性测量模型中，得到测试预测输出信号；根据公式 计算所述第二误差值；其中，NMSE ’ 为第二误差值，N为测试数据集中测试数据的组数， 为第n个测试实际输出信号， 为第n个测试预测输出信号， 。
8.一种计算机设备，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6中任一项所述方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
