1.基于深度学习的雷达自适应反干扰决策方法，其特征在于，包括：获取多个雷达回波信号，在提取特征参数后进行类别标签标注，并采用深度学习算法得到干扰类别向量以及干扰特征向量；基于干扰特征向量，分别计算雷达发射信号与雷达回波信号在不同域的特征相似度，得到不同域的风险程度；选择所有风险程度最大的域，作为抗干扰策略的作用域；将不同域作为不同的智能体；将不同域进行组合，得到多个变换域；对变换域进行编码，得到变换域组合向量；将变换域组合向量和干扰类别向量进行拼接，得到智能体的观测状态向量；以智能体的观测状态向量作为多智能体强化学习算法的输入，智能体在电子防护抗干扰措施集合中选择作用域的最优措施组合作为最终动作，并由多智能体强化学习算法输出，以实现雷达自适应反干扰决策；干扰类别包括：噪声干扰、假目标欺骗干扰、拖引欺骗干扰以及复合干扰；噪声干扰包括：扫频干扰、阻塞干扰以及瞄准干扰，假目标欺骗干扰包括：密集假目标干扰以及距离-幅度欺骗干扰，拖引欺骗干扰包括：距离拖引干扰以及速度拖引干扰，复合干扰包括：噪声干扰、假目标欺骗干扰以及拖引欺骗干扰的组合；智能体在电子防护抗干扰措施集合中选择作用域的最优措施组合作为最终动作，包括：当干扰类别为噪声干扰时，智能体在电子防护抗干扰措施集合中选择作用域的措施组合，以采取措施组合前后的SINR差值作为奖励函数，并进行循环迭代，直至采取措施组合前后的SINR差值满足预设的第一条件时，当前的措施组合即为噪声干扰的最优措施组合，以噪声干扰的最优措施组合作为最终动作；当干扰类别为假目标欺骗干扰时，智能体在电子防护抗干扰措施集合中选择作用域的措施组合，以真实目标识别率作为奖励函数，并进行循环迭代，直至真实目标识别率满足预设的第二条件时，当前的措施组合即为假目标欺骗干扰的最优措施组合，以假目标欺骗干扰的最优措施组合作为最终动作；当干扰类别为拖引欺骗干扰时，智能体在电子防护抗干扰措施集合中选择作用域的措施组合，以跟踪精度误差的负值作为奖励函数，并进行循环迭代，直至跟踪精度误差的负值满足预设的第三条件时，当前的措施组合即为拖引欺骗干扰的最优措施组合，以拖引欺骗干扰的最优措施组合作为最终动作；当干扰类别为复合干扰时，智能体在电子防护抗干扰措施集合中选择作用域的措施组合，以采取措施组合前后的SINR差值、真实目标识别率以及跟踪精度误差的负值的加权和作为奖励函数，并进行循环迭代，直至加权和满足预设的第四条件时，当前的措施组合即为复合干扰的最优措施组合，以复合干扰的最优措施组合作为最终动作。
2.根据权利要求1所述的基于深度学习的雷达自适应反干扰决策方法，其特征在于，获取多个雷达回波信号，在提取特征参数后进行类别标签标注，并采用深度学习算法得到干扰类别向量以及干扰特征向量，包括：获取多个雷达回波信号，提取每个雷达回波信号的特征参数，对提取的特征参数进行归一化处理，并对归一化处理后的特征参数进行类别标签标注，将所有标注了类别标签的特征参数组成数据集；将数据集输入深度学习网络，以输出干扰类别向量以及干扰特征向量。
3.根据权利要求2所述的基于深度学习的雷达自适应反干扰决策方法，其特征在于，特征参数包括：载频、脉宽、脉冲重复间隔、脉冲幅度以及瞬时带宽；载频用于表征脉冲信号的中心频率；脉宽反映单个雷达脉冲的持续时间；脉冲重复间隔描述相邻脉冲之间的时间间隔；脉冲幅度用于区分恒幅干扰与幅度调制型干扰；瞬时带宽表征脉冲信号在频域上的带宽特性。
4.根据权利要求1至3任一项所述的基于深度学习的雷达自适应反干扰决策方法，其特征在于，不同域包括：频率域、波形域、空域以及信号处理域。
5.根据权利要求4所述的基于深度学习的雷达自适应反干扰决策方法，其特征在于，基于干扰特征向量，分别计算雷达发射信号与雷达回波信号在不同域的特征相似度，得到不同域的风险程度，包括：基于干扰特征向量，计算雷达发射信号与雷达回波信号在频率域的载频的特征相似度，以载频的特征相似度作为频率域的风险程度；基于干扰特征向量，计算雷达发射信号与雷达回波信号在波形域的波形相关系数的特征相似度，以波形相关系数的特征相似度作为波形域的风险程度；基于干扰特征向量，计算雷达发射信号与雷达回波信号在空域的天线波束指向的特征相似度，以天线波束指向的特征相似度作为空域的风险程度；基于干扰特征向量，计算雷达发射信号与雷达回波信号在信号处理域的脉冲幅度的特征相似度，以脉冲幅度的特征相似度作为信号处理域的风险程度。
6.根据权利要求1至3任一项所述的基于深度学习的雷达自适应反干扰决策方法，其特征在于，将不同域进行组合，得到多个变换域；对变换域进行编码，得到变换域组合向量，包括：将频率域、波形域、空域以及信号处理域进行组合，得到15个变换域；对15个变换域按照1至15进行二进制编码，得到8维的变换域组合向量。
7.根据权利要求1至3任一项所述的基于深度学习的雷达自适应反干扰决策方法，其特征在于，电子防护抗干扰措施集合包括9种电子防护抗干扰措施，分别是：脉间频率捷变、子脉冲频率捷变、基于频率调制的LFM信号、基于相位编码的信号、频率捷变信号、自适应波束形成、旁瓣对消、恒虚警检测以及脉冲积累。
8.根据权利要求7所述的基于深度学习的雷达自适应反干扰决策方法，其特征在于，在选择作用域的最优措施组合时，设置先验知识库，作为选择的约束；设置先验知识库包括：将9种电子防护抗干扰措施进行组合，得到多个初始组合；筛选所有无法级联使用的初始组合，作为先验知识库。
