1.一种基于多模态融合的水声目标识别方法，其特征在于，包括：采集水声目标；

采用自适应带宽的核密度估计函数对水声目标进行处理，拟合得到水声目标的概率分布函数，按照标准采样率对概率分布函数进行抽样，得到优化水声目标；

对优化水声目标提取多模态特征后进行数据增强，将数据增强之前的特征和增强之后的特征进行合并，得到特征数据集；

使用多个典型相关分析模型对特征数据集进行选择和融合；

统计模型的输出结果，使用决策层进行融合输出。

2.根据权利要求1所述的基于多模态融合的水声目标识别方法，其特征在于，所述自适应带宽的核密度估计函数为：

其中，根据均方积分误差函数计算得到第j个点的自适应带宽hj，ω为带宽参数，n为变量维度，M为采样点个数，K(x)为高斯核函数，S为优化水声目标的协方差矩阵，k(x)是带宽为hj的核密度估计函数。

3.根据权利要求2所述的基于多模态融合的水声目标识别方法，其特征在于，所述高斯核函数带宽参数的最优为：

其中，α为灵敏因子，f为分布函数。

4.根据权利要求3所述的基于多模态融合的水声目标识别方法，其特征在于，所述得到优化水声目标，之后包括：

对优化水声目标进行长度为56ms的分帧处理，重叠长度为28ms，窗形状设置为汉宁窗。

5.根据权利要求4所述的基于多模态融合的水声目标识别方法，其特征在于，所述多模态特征，包括：谱分析特征、色度特征和梅尔频率倒谱特征。

6.根据权利要求5所述的基于多模态融合的水声目标识别方法，其特征在于，所述谱分析特征，提取过程包括：

对第n帧音频信号进行短时傅里叶变换。

7.根据权利要求5所述的基于多模态融合的水声目标识别方法，其特征在于，所述色度特征，提取过程包括：

将优化水声目标转换为帧，记录每个音高在每帧内的能量，得到音高图谱；

将同一时间、同一音级、不同八度的音符的能量叠加到色度向量内对应音级的元素，得到色度谱图。

8.根据权利要求5所述的基于多模态融合的水声目标识别方法，其特征在于，所述梅尔频率倒谱特征，提取过程包括：

将实际频率尺度转换为梅尔频率尺度；

根据音频信号幅度谱，计算得到梅尔频率轴上配置的三角形滤波器的输出：其中，m(l)为第l个滤波器的梅尔频率系数，L为滤波器的总数，Wl(k)为三角形滤波器，Xn(k)为音频信号幅度谱，o(l)、c(l)和h(l)分别是三角形滤波器的下限、中心和上限频率；

对所有的滤波器输出做对数运算，再进行离散余弦变换。

9.根据权利要求5所述的基于多模态融合的水声目标识别方法，其特征在于，所述使用多个典型相关分析模型对特征数据集进行选择和融合，包括：典型相关分析模型选择多模态特征中的两种进行融合；对融合后的特征和未融合的特征分别使用不同的模型进行训练。

10.根据权利9所述的基于多模态融合的水声目标识别方法，其特征在于，所述统计模型的输出结果，使用决策层进行融合输出，包括：其中，模型i输出二进制向量xi，N为模型的总数，包含D个元素，j为元素在向量中的位置，wi为第i个模型的权重系数，y(j)是长度d的行向量，在第k个时间，决策层输出d(k)满足