1.一种基于时频域融合的HRRP信号特征识别方法，其特征在于，所述方法包括：获取HRRP信号样本集，所述HRRP信号样本集中包括由多个雷达站点对同一目标进行探测得到的HRRP信号数据；针对各雷达站点得到HRRP信号数据分别进行时频对齐与运动补偿，得到预处理后数据；将各雷达站点对应的预处理后数据输入到对应的HRRP信号特征识别网络中，在所述HRRP信号特征识别网络中，利用并行的时域分段编码单元、全局频域嵌入单元以及时频分析单元分别提取所述预处理后数据的时域特性基元、频域特性基元以及时频特性基元，并利用识别单元对所述时域特性基元、频域特性基元以及时频特性基元进行融合得到单站融合特征，再根据所述单站融合特征进行目标识别，得到目标预测结果，其中，在所述时域分段编码单元中：对所述预处理后数据进行随机采样划分，得到多个HRRP时域区段，采用散射特征权重计算网络通过计算各所述HRRP时域区段中目标散射特性的重要性，对各所述HRRP时域区段进行加权，将加权后的HRRP时域区段输入至时域编码网络中，得到时域下的时域特征编码，即所述时域特性基元，在所述全局频域嵌入单元中：对所述预处理后数据进行离散傅里叶变换，得到对应的频谱信号，根据所述频谱信号的幅度谱计算得到注意力掩码矩阵，在利用所述注意力掩码矩阵分别对所述频谱信号的幅度谱以及相位谱进行掩码处理，得到掩码处理后的幅度谱以及相位谱，对所述掩码处理后的幅度谱以及相位谱进行编码处理，得到幅度编码向量以及相位编码向量，将所述幅度编码向量以及相位编码向量作为所述频域特性基元；联合多个雷达站点的单站融合特征、目标预测结果与对应的真值标签计算跨站对比学习损失与跨目标类别对比损失，对各所述HRRP信号特征识别网络中的可学习参数进行调整，直至收敛，则得到训练好的HRRP信号特征识别网络，其中，所述跨站对比学习损失表示为：在上式中， 表示雷达站的数量， 表示提取得到的第 个单站融合特征， 表示与特征 来自同一序列不同雷达站点的特征集合， 表示内积， 表示温度系数， 表示全体特征所组成的集合， 则表示除特征 以外的所有特征所组成的集合， 、 则分别表示来自集合 与集合 的特征；获取由某一站点接收得到的HRRP信号，利用训练好的HRRP信号特征识别网络对所述HRRP信号进行目标识别，得到目标识别结果。
2.根据权利要求1所述的基于时频域融合的HRRP信号特征识别方法，其特征在于，在所述时频分析单元中：对所述预处理后数据进行短时傅里叶变换，得到对应的时频图；利用卷积神经网络对所述时频图进行编码处理，得到时频图编码向量，将所述时频图编码向量作为所述时频特性基元。
3.根据权利要求1所述的基于时频域融合的HRRP信号特征识别方法，其特征在于，在所述识别单元中，利用Transformer架构的特征提取网络基于所述时域特性基元、频域特性基元以及时频特性基元提取得到所述单站融合特征。
4.根据权利要求1-3任一项所述的基于时频域融合的HRRP信号特征识别方法，其特征在于，所述跨目标类别对比损失表示为：在上式中， 表示与特征 来自同一类别目标的特征所组成的集合， 则表示该集合的势， 表示来自集合 的特征。
5.一种基于时频域融合的HRRP信号特征识别装置，其特征在于，所述装置中实施上述权利要求1-4任一项所述的基于时频域融合的HRRP信号特征识别方法，所述装置包括：HRRP信号样本获取模块，用于获取HRRP信号样本集，所述HRRP信号样本集中包括由多个雷达站点对同一目标进行探测得到的HRRP信号数据；数据预处理模块，用于针对各雷达站点得到HRRP信号数据分别进行时频对齐与运动补偿，得到预处理后数据；时频域特征提取模块，用于将各雷达站点对应的预处理后数据输入到对应的HRRP信号特征识别网络中，在所述HRRP信号特征识别网络中，利用并行的时域分段编码单元、全局频域嵌入单元以及时频分析单元分别提取所述预处理后数据的时域特性基元、频域特性基元以及时频特性基元，并利用识别单元对所述时域特性基元、频域特性基元以及时频特性基元进行融合得到单站融合特征，再根据所述单站融合特征进行目标识别，得到目标预测结果；多站点联合网络训练模块，用于联合多个雷达站点的单站融合特征、目标预测结果与对应的真值标签计算跨站对比学习损失与跨目标类别对比损失，对各所述HRRP信号特征识别网络中的可学习参数进行调整，直至收敛，则得到训练好的HRRP信号特征识别网络；目标识别模块，用于获取由某一站点接收得到的HRRP信号，利用训练好的HRRP信号特征识别网络对所述HRRP信号进行目标识别，得到目标识别结果。
6.一种计算机设备，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4中任一项所述方法的步骤。
