1.一种接收机射频链路非线性效应的模型筛选方法，其特征在于，包括：

获取接收机的信号源及测试输出数据；

所述信号源及测试输出数据包括激励信号和验证信号，所述激励信号用于辨识验前假定模型的参数，所述验证信号用于验证参数辨识后的验前假定模型的输出结果；

利用已有的先验知识结合接收机机理，选择一个验前假定模型；所述验前假定模型采用非线性模型，所述非线性模型包括：无记忆模型、有记忆模型；

对验前假定模型的模型参数进行辨识，得到参数辨识后的验前假定模型；

具体的，当确定验前假定模型结构后，就要进行模型参数的辨识，参数辨识的主要目的是，根据系统输入输出状态变量分析非线性系统的表征函数方程，找出与之相匹配误差最小的、确定的时域特性函数模型，并找到函数模型的参数；

基于信号源及测试输出数据，采用参数辨识后的验前假定模型，得到的结果与真实系统结果进行对比，判断误差的大小是否小于设定的阈值，若是，得到建模的模型，否则，重新选定验前假定模型进行参数辨识、验证的过程；

具体的，建模完成后，要检验所得模型的泛化能力，使用未参与辨识的数据组检验在相同输入的情况下，所建模型的输出与实际系统的输出之间的误差来判断是否达到所需精度；

根据信号源数据、测试系统测试数据判断输入信号特性和待测链路的强弱非线性，根据输入信号特性、待测链路的强弱非线性和手动选择的拟模型类型及拟建模模型数量进行综合筛选；利用查找表方式自动确定模型类型及数量，在进行模型筛选前，系统已提前将现有模型进行多级分类，在模型大类情况下，还根据各模型适用范围，即输入大小信号、适合窄带宽带信号、模型自身适用强弱非线性进行更详细的分类，形成多级分类，并将该数据存储至多级分类目录；利用查找表方式自动确定模型类型及数量后，与用户自研新模型或建模算法一起，完成模型筛选，并将模型筛选的结果送至上位机进行显示，确定建模任务。

2.根据权利要求1所述的接收机射频链路非线性效应的模型筛选方法，其特征在于，测试输出数据包括：互调测试子系统的实时频谱、二维/三维双频图、原始信号波形，功率压缩测试子系统的固定频点下输入输出功率图、不同频率下1dB压缩点图、功率压缩三维图，幅相误差测试子系统的星座图，链路参数测试子系统的链路增益、噪声系数、灵敏度，理论参数推算子系统的三阶截点、邻信道功率比、噪声功率比。

3.根据权利要求1所述的接收机射频链路非线性效应的模型筛选方法，其特征在于，所述无记忆模型包括：无记忆多项式模型、幂级数模型、正交多项式模型、查找表模型。

4.根据权利要求1所述的接收机射频链路非线性效应的模型筛选方法，其特征在于，所述无记忆模型包括：所述有记忆模型包括：记忆多项式模型、Volterra模型、Hammerstein模型、Wiener模型、Wiener‑Hammerstein模型、PLUME模型、NARMA模型、X参数模型。

5.根据权利要求1所述的接收机射频链路非线性效应的模型筛选方法，其特征在于，所述对验前假定模型的模型参数进行辨识包括：采用最小二乘法、递推辨识算法、极大似然辨识法、傅里叶级数法对验前假定模型的模型参数进行辨识。

6.根据权利要求1所述的接收机射频链路非线性效应的模型筛选方法，其特征在于，所述得到的结果与真实系统结果进行对比的指标包括：归一化均方误差、均方根误差、平均绝对误差。

7.一种接收机射频链路非线性效应的模型筛选平台，利用如权利要求1所述的接收机射频链路非线性效应的模型筛选方法实现，其特征在于，包括：数据获取模块，其被配置为：获取接收机的信号源及测试输出数据；

模型选择模块，其被配置为：利用已有的先验知识结合接收机机理，选择一个验前假定模型；

参数辨识模块，其被配置为：对验前假定模型的模型参数进行辨识，得到参数辨识后的验前假定模型；

验证模型，其被配置为：基于信号源及测试输出数据，采用参数辨识后的验前假定模型，得到的结果与真实系统结果进行对比，判断误差的大小是否小于达到设定的阈值，若是，得到建模的模型，否则，重新选定验前假定模型进行参数辨识、验证的过程。

8.一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，该程序被处理器执行时实现如权利要求1‑6中任一项所述的接收机射频链路非线性效应的模型筛选方法中的步骤。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1‑6中任一项所述的接收机射频链路非线性效应的模型筛选方法中的步骤。