1.一种基于人工神经网络的罗兰天地波时延估计方法，其特征在于，具体按照以下步骤实施：步骤1、设计人工神经网络的结构，采集罗兰天地波信号样本，根据罗兰信号的长度和周期，将用于人工神经网络训练的罗兰天地波信号样本进行预处理；

步骤2、设置人工神经网络的初始参数，所述初始参数包括每层人工神经网络的权值和偏重、人工神经网络的学习率及各层神经元之间的激活函数，同时，设置罗兰天地波信号样本的训练次数和训练误差函数的目标门限；

步骤3、使用罗兰天地波信号样本对人工神经网络进行训练，当误差函数小于门限值或者学习次数达到最大设置值训练停止，得到训练完成的人工神经网络；

步骤4、将待估计时延的罗兰天地波信号代入训练好的人工神经网络即可输出得到其罗兰天地波时延。

2.根据权利要求1所述的一种基于人工神经网络的罗兰天地波时延估计方法，其特征在于，所述步骤1具体按照以下步骤实施：步骤1.1、设计人工神经网络结构为5层，包括输入层、第一隐藏层、第二隐藏层、第三隐藏层和输出天地波延迟层，所述输入层的输入向量为5000x1，第一隐藏层的神经元数为

3000神经元，第二隐藏层的神经元数为10000神经元，第三隐藏层的神经元数为3000神经元，输出天地波延迟层的输出向量为2x1；

步骤1.2、采集罗兰天地波信号样本，采样频率10MHz，罗兰信号单个脉冲重复周期为1毫秒，截取5000点长度为500微秒；

步骤1.3、罗兰天地波信号样本值规划至[-1,1]区间进行归一化处理，得到罗兰天地波信号预处理样本。

3.根据权利要求1所述的一种基于人工神经网络的罗兰天地波时延估计方法，其特征在于，所述步骤2中，设置每层人工神经网络的权值和偏置值均为0.5，人工神经网络的学习率为0.01，各层神经元之间的激活函数为sigmoid函数，罗兰天地波信号样本的训练次数为

300次，罗兰天地波信号样本的训练误差函数目标门限即误差函数阈值为1e-4。

4.根据权利要求2所述的一种基于人工神经网络的罗兰天地波时延估计方法，其特征在于，所述步骤3是将罗兰天地波信号预处理样本由输入层输入，通过第一隐藏层、第二隐藏层和第三隐藏层进行训练，由输出层输出，具体按照以下步骤实施：步骤3.1、前向输出

根据下式计算罗兰天地波信号样本每层隐藏层的输出向量Oj，

Oj＝f(∑xnwnj+θj)                                       (1)式(1)中，j表示隐藏层，j＝1,2,3分别表示第一隐藏层、第二隐藏层，xn表示罗兰天地波信号样本，n是不为0自然数，w为权重，θ表示偏置，f(∑xnwnj+θj)为激活函数f(a)，且步骤3.2、反向误差传播根据下式计算输出层的误差值Errk和每层隐藏层的误差值Errj，Errk＝Ok(1-Ok)(Tk-Ok)                                    (3)Errj＝Oj(1-Oj)∑Errkwjk                                  (4)式(3)和式(4)中，k表示输出层，Tk表示输出层的目标向量，Ok表示输出层的输出向量；

步骤3.3、参数更新

根据步骤3.2计算的每层隐藏层的误差值Errj更新权重和偏置，更新后的权重wij＝wnj+ηErrjOj                     (5)更新后的偏置θj＝θj+ηErrj                        (6)式(5)和式(6)中，i表示输入层，η为学习率；

步骤3.4、根据更新后的权重和偏置对人工神经网络再次进行训练，即将更新后的权重和偏置代入执行步骤3.1～步骤3.3的操作，不断循环训练，直到输出层误差值Errk小于1e-

4或者达到步骤2设置的训练次数，训练停止。

5.根据权利要求1所述的一种基于人工神经网络的罗兰天地波时延估计方法，其特征在于，所述步骤1中所采集的罗兰天地波信号样本中地波时延和天波时延为30到200微秒之间，信噪比为-15dB～15dB，所述罗兰天地波信号样本的数量不少于10000个。