1.一种浅海海底底质分类方法，基于N个ping的浅剖回波数据进行海底底质的分类，其中，每个ping的所述浅剖回波数据包括M个采样点的高频信号序列和对应的M个采样点的低频信号序列，其特征在于，所述方法包括以下步骤：S100：根据每个ping的高频信号序列确定该ping的对齐序列号，根据所述对齐序列号对每个ping的低频信号序列进行对齐截取，将经过对齐截取后的N个ping的低频信号序列构造为初始数据集；

S200：使用随机森林分类器对所述初始数据集进行优化，所述优化为对经过对齐截取后的N个ping的低频信号序列进行优化截取，将经过优化截取后的N个ping的低频信号序列构造为优化数据集；

S300：使用所述优化数据集对随机森林分类器的参数进行优化，得到最优随机森林分类器；

S400：使用最优随机森林分类器处理待分类的浅剖回波数据，获得海底底质的分类结果。

2.根据权利要求1所述的浅海海底底质分类方法，其特征在于，所述步骤S100进一步包括以下步骤：S110：根据测试海域的水深最小值Hmin换算得到对应的有效回波序列号h_min；

S120：对于第i个ping的高频信号序列Pi＝{pi,1,pi,2,…pi,j,…,pi,M},i＝1……N，其中pi,j为第j个采样点的高频信号，从其子序列{pi,h_min,pi,h_min+1,…,pi,M}中寻找第一个大于回波强度阈值的高频信号 将hi作为第i个ping的对齐序列号；

S130：对于第i个ping的低频信号序列Qi＝{qi,1,qi,2,…qi,j,…,qi,M},i＝1……N，其中qi,j为第j个采样点的低频回波信号，截取其第hi个采样点及其后m个采样点的低频信号，得到经过对齐截取后的第i个ping的低频信号序列 所述m基于测试海域的海底特性预估确定且m≤M；

S140：构造初始数据集{Q′1，Q′2，Q′i,…,Q′N}。

3.根据权利要求2所述的浅海海底底质分类方法，其特征在于：

所述步骤S120和步骤S130之间还包括以下步骤：

当i>L时，判断 是否大于预设的误差阈值，如果判断结果为真，则将第i个ping的浅剖回波数据剔除并补充新的浅剖回波数据，其中，L为大于等于2的正整数。

4.根据权利要求2所述的浅海海底底质分类方法，其特征在于，所述步骤S200进一步包括以下步骤：S210：设置起始序号的估计范围Estart＝{0,1,2,3}和结束序号的估计范围Eend＝{4,

5,…,m}；

S220：将起始序号和结束序号嵌套遍历所述Estart和Eend，对于起始序号和结束序号的每一个取值，构造随机森林分类器，将初始数据集中的每一个Q′i截取其从起始序号的采样点到结束序号的采样点的低频信号，然后按照预设比例随机划分训练集与测试集，使用训练集对随机森林分类器进行训练后使用测试集进行分类结果准确率测试，遍历完成后根据分类结果准确率确定最优起始序号h_start和最优结束序号h_end；

S230：使用最优起始序号h_start和最优结束序号h_end对{Q′1，Q′2，…Q′N}进行优化截取，得到优化数据集{Q″1，Q″2，Q″i,…,Q″N}，其中

5.根据权利要求4述的浅海海底底质分类方法，其特征在于，所述步骤S300进一步包括以下步骤：S310：使用所述优化数据集对所述随机森林分类器的决策树数目进行优化；

S320：使用所述优化数据集对所述随机森林分类器的min_samples_split进行优化，所述min_samples_split为随机森林分类器的决策树内部节点再划分所需最小样本数；

S330：使用所述优化数据集对所述随机森林分类器的min_samples_leaf进行优化，所述min_samples_leaf为随机森林分类器的叶子节点最少样本数。

6.根据权利要求5述的浅海海底底质分类方法，其特征在于，所述步骤S310进一步包括以下步骤：S311：确定决策树数目的粗略估计范围和粗略估计步长；

S312：将决策树数目按照所述粗略估计步长遍历所述粗略估计范围，对于决策树数目的每一个取值，构造随机森林分类器，将优化数据集按照预设比例划分为训练集与测试集，使用训练集对随机森林分类器进行训练后使用测试集进行分类结果准确率测试，遍历完成后根据分类结果准确率确定决策树数目的粗略估计值；

S313：根据决策树数目的粗略估计值确定决策树数目的精细估计范围和精细估计步长；

S314：将决策树数目按照所述精细估计步长遍历所述精细估计范围，对于决策树数目的每一个取值，构造随机森林分类器，将优化数据集按照预设比例划分为训练集与测试集，使用训练集对随机森林分类器进行训练后使用测试集进行分类结果准确率测试，遍历完成后根据分类结果准确率确定决策树数目的最优值。

7.根据权利要求6所述的浅海海底底质分类方法，其特征在于，所述步骤S320进一步包括以下步骤：S321：确定min_samples_split的估计范围和估计步长；

S322：将min_samples_split按照所述min_samples_split的估计步长遍历所述min_samples_split的估计范围，对于min_samples_split的每一个取值，构造随机森林分类器，其中，随机森林分类器的决策树数目为步骤S314中确定的决策树数目的最优值，将优化数据集按照预设比例划分为训练集与测试集，使用训练集对随机森林分类器进行训练后使用测试集进行分类结果准确率测试，遍历完成后根据分类结果准确率确定min_samples_split的最优值。

8.根据权利要求7所述的浅海海底底质分类方法，其特征在于，所述步骤S330进一步包括以下步骤：S331：确定min_samples_leaf的估计范围和估计步长；

S332：将min_samples_leaf按照所述min_samples_leaf的估计步长遍历所述min_samples_leaf的估计范围，对于min_samples_leaf的每一个取值，构造随机森林分类器，其中，随机森林分类器的决策树数目为步骤S314中确定的决策树数目的最优值，随机森林分类器的min_samples_split为步骤S322中确定的min_samples_split的最优值，将优化数据集按照预设比例划分为训练集与测试集，使用训练集对随机森林分类器进行训练后使用测试集进行分类结果准确率测试，从优化数据集遍历完成后根据分类结果准确率确定min_samples_leaf的最优值；

S333：确定最优随机森林分类器，最优随机森林分类器的决策树数目、min_samples_split和min_samples_leaf分别为步骤S314、步骤S322和步骤S332中确定的决策树数目的最优值、min_samples_split的最优值和min_samples_leaf的最优值。

9.根据权利要求5至权利要求9中任意一项所述的浅海海底底质分类方法，其特征在于，所述步骤S400进一步包括以下步骤：S410：从所述待分类的浅剖回波数据中分别提取待分类的高频信号序列D＝{d1,d2,…,dM}和待分类的低频信号序列C＝{c1,c2,…,cM}；

S420：从所述D的子序列{dh_min,dh_min+1,…,dM}中寻找第一个大于回波强度阈值的高频信号dh，将h作为所述待分类的浅剖回波数据的对齐序列号；

S430：使用所述h、所述h_start和所述h_end对所述C进行优化截取，得到优化截取后的待分类的低频信号序列C′＝{ch+h_start,…,ch+h_end}；

S440：将所述C′输入所述最优随机森林分类器，进行海底底质的分类。