1.一种基于双阶段深度网络的雷达主瓣抗干扰方法，其特征在于，包括以下步骤：S1、依据DRFM干扰机转发干扰的生成机理，建立信号生成模型，具体为：设定雷达发射信号采用线性调频信号，干扰信号为间歇采样转发式干扰，干扰机理是：干扰机对雷达信号进行间歇采样再依次转发形成，一个采样周期中多次采样转发，就形成了IS干扰，数学表达式为：

其中，N为信号长度，Aj为干扰信号强度，τ为间歇采样的脉冲宽度，T是雷达信号的脉宽，Ts是采样周期， 表示间歇采样占空比；根据间歇采样方式的不同分为：直接转发干扰JISDJ、重复转发干扰JISRJ和循环转发干扰JISIJ三种：JISDJ(t)＝AjJ(t‑τ)JISRJ(t)＝AjJ(t‑τ)最终信号生成模型可获得添加了干扰的回波信号Signaldata和无干扰的目标信号Signaltarget；

0 N

Signaldata＝{xi|i＝1,2,…,N}∈C

1 N

Signaltarget＝{xi|i＝1,2,…,N}∈C将Signaldata作为信号样本，Signaltarget作为样本标签信号；

S2、对信号样本Signaldata和样本标签信号Signaltarget分别进行线性归一化处理，将信号强度映射到(‑1，1)上，然后进行短时傅里叶变换，得到两组网络输入，即：归一化幅度图XAbs、相位图XAngle：

abs F×T

XAbs＝{x ij|i＝1,2,…,F；j＝1,2,…,T}∈Cangle F×T

XAngle＝{x ij|i＝1,2,…,F；j＝1,2,…,T}∈C其中T表示时间帧个数，F表示频率；

S3、构建双阶段干扰抑制网络，包括一阶段的U‑Transformer网络和二阶段的U‑Signal Net网络；其中，一阶段的U‑Transformer网络输入为信号归一化幅度图XAbs，输出为抑制干扰后幅度图YAbs，利用YAbs和相位图XAngle，得到初步重构信号Yorigin：二阶段的U‑Signal Net网络输入为初步重构信号Yorigin，输出为模型抑制干扰后最终输出信号Youtput；

所述一阶段的U‑Transformer网络由Transformer模块及U‑Net结构组成，其整体结构为U型，左边为下采样过程，右边为上采样过程，具体为包括3次的池化下采样，且仅针对时间维度降维，每一次采样后都使用Transformer Encoder进行信息提取得到特征图，然后再经过3次上采样，通过Transformer Encoder重构输入像素尺寸及大小，具体流程如下：n‑1 n‑1

其中，X down表示第n次下采样的输出，Pool()为池化函数，X up表示第n次上采样的输出，Up()为上采样函数，每一次下采样都通过一个跳跃连接与对应的上采样进行连接，将跳层输入和底层上采样后的输出同时加载到Transformer Decoder模块中，让模型在最大程度上融合不同尺度的特征，精确恢复出原有信号幅度；

所述二阶段的U‑Signal Net网络由1D‑CNN结合U‑Net网络组成，结构与一阶段的U‑Transformer网络结构相似，区别在于将一阶段的U‑Transformer网络中的编码器和解码器更换为1D残差卷积网络，并且不再使用池化层来下采样，选择使用扩大卷积核步长的方式实现降维，二阶段的U‑Signal Net网络中下采样和上采样的次数为4次；

将loss函数设为在时域及时频域上的均方误差函数：output

其中，LT为时域均方误差函数，Y 为网络最终输出信号，Target为真实目标信号；LT‑FAbs STFT

为时频域均方误差函数，Y 为一阶段网络输出幅度图，Target 为目标回波的幅度图；

S4、通过对S3构建的双阶段干扰抑制网络进行训练，得到训练好的网络模型，利用训练好的网络模型进行雷达主瓣抗干扰。