1.一种基于CNN的多水下信标信号识别方法，其特征在于，所述方法包括以下步骤：

1)信标发射信号的调制，采用n阶的扩频编码技术，使每一个水下信标有且只有一种对应的编码序列，并且对该编码序列进行相频同移键控混合调制，不同的码元具有不同的相n n‑1

位与频率，以此构成信标的发射信号，每个信标共由2‑1个1或‑1的码元组成，分别是2 个n‑1

1码元和2 ‑1个‑1码元，其中1表示用m1个相位为0°的f1Hz正弦波填充；‑1表示用m2个相位为180°的f2Hz正弦波填充，调制后的信标模拟信号如式(1)：当 时，化简为如式(2)：

n

其中Y表示信标调制后的模拟信号，T表示时间，X[i]表示2‑1个码元中第[i]个序列值，

1或者‑1；

2)采集到多种信标信号；

3)对采样的信标信号序列集进行数据增强；

4)通过短时傅里叶变换将一维的信号信息转换为二维的图片信息，其过程如下：取一个信标信号周期t1ms时间的采样序列为一帧的变换目标，以t2ms时间的信号采样序列长度为窗口长度，以t3ms时间的信号采样序列长度为平移步长对一帧的变换目标做分帧处理，分裂的子帧数量Mf如式(3)：

式中|表示整除，|.表示非整除；

然后对每一个子帧序列x(n)进行离散傅里叶变换如式(4)：其中X(k)是序列x(n)经过DFT后的结果序列，fs表示采样率(KHz),t2表示时间(ms)，fst2表示一个窗口长度的采样点数，此时频率分辨率为1/t2；

由此根据式(5)得0‑fs频率的分量幅值，根据式(6)得相对于余弦的偏移相位；

2 2

P(k)＝real(X(k)) +imag(X(k))            (5)计算可得到一个子帧的分量幅值和偏移相位并以此绘制t3ms时间的时频图和时间相位图，将Mf个子帧的时频图和相位图分别拼接成一张时间长度为t3*Mfms(一帧)的时频图和相位图，最后将上述一帧信号序列所生成的两种特征图融合为一张像素为100*100*3的相频特征图；

5)对图片数据集再次进行数据增强；

6)使用轻量化的CNN网络对上述数据集进行训练，得到的网络模型实现对多种信标信号的实时识别。

2.根据权利要求1所述的基于CNN的多水下信标信号识别方法，其特征在于，所述步骤(3)中，进行数据集扩充的采样信号序列包括实际采样信号序列和理论采样信号序列，实际采样信号序列进行幅值大小的变换；对于理论采样信号序列做以下处理：对信标信号本身设置不同的幅值；添加不同幅值的白噪声；随机对部分信号进行失真处理。

3.根据权利要求1或2所述的基于CNN的多水下信标信号识别方法，其特征在于，所述步骤(4)中，短时傅里叶变换的窗口长度采用重叠滑窗的设计，将一段较长时间的信息以频率分量强度的形式映射在一个较短的时间间隔内，使用较长时间(t2ms)的序列长度作为窗口长度；同时使用较短时间(t3ms)的序列长度作为滑窗的步长，使相邻子帧之间的信息差异体仅体现在上一个子帧头部的t3ms间隔和下一个子帧尾部的t3ms间隔。

4.根据权利要求1或2所述的基于CNN的多水下信标信号识别方法，其特征在于，所述步骤(5)中，相频特征图的数据集进行数据增强方式有以下三种：第一、以信标信号频带为基准，对相频图设置不同亮度、饱和度、对比度；第二、对图片做高斯滤波处理和不同程度的模糊处理；第三、同时进行上述两种处理。

5.根据权利要求1或2所述的基于CNN的多水下信标信号识别方法，其特征在于，所述步骤(6)中，卷积神经网络的作用是将相频特征图映射到信标序号上，其轻量化结构由许多非线性结构构成，共由1个输入层、4个卷积层、3个池化层、1个全连接层和1个softmax层组成，其中前三层卷积层具有池化层。