1.一种基于二值化神经网络的快速推断电磁信号入射角的方法，其特征在于，包括以下步骤：A1、将获取到的电压信号作为输入数据，并对输入数据进行归一化处理；

A2、构建全精度网络模型，所述全精度网络模型宝库N层全连接层与N‑1层激活层，相邻两层全连接层之间包括一层激活层；

A3、对步骤A2的全精度网络模型进行改进，具体的：在每个激活层前添加BN层，同时删去全精度网络模型中的bias偏差，得到改进后的二值化网络模型；

A4、采用步骤A1归一化处理后的数据对步骤A3得到的改进后的二值化网络模型进行重训练；

A5、将训练完成的二值化网络模型参数与二值化网络模型输入数据导出，存储到本地；

A6、配置硬件，具体的：所述硬件包括处理系统端与可编程逻辑端，使用AXI4来进行处理系统端与可编程逻辑端的通信；

A7、可编程逻辑端根据改进后的二值化网络模型结构以及步骤A5存储到本地的参数，并行计算矩阵相乘，并将结果写入输出BRAM中；

A8、处理系统端读取输出BRAM中的结果，并做BN层以及激活层的运算；

A9、重复A7‑A8，直到完成改进后的二值化网络模型所有层的计算，得到最终电磁信号入射角的结果。

2.根据权利要求1所述的一种基于二值化神经网络的快速推断电磁信号入射角的方法，其特征在于，步骤A4具体包括：A41、前向传播过程中，利用sign()函数将权重进行二值化，并使用二值权重来计算网络的预测结果以及loss，其中sign()公式为：前向传播的基本过程为：

wb＝sign(w)

y＝Relu(BN(x*wb))

其中w代表权重的全精度值，wb代表二值化后的权重，x代表全连接层的输入，y代表全连接层的输出，BN代表BN层的计算，Relu是激活层的计算；

A42、利用Straight‑Through Estimator算法进行后向传播；

A43、重复步骤A41与A42，直到网络拟合，得到最终的网络模型。

3.根据权利要求2所述的一种基于二值化神经网络的快速推断电磁信号入射角的方法，其特征在于，步骤A41所述BN层的计算，具体为：2

其中，xi为BN层的第i个输入，m为输入的数据量，μ为均值，σ为方差，β为可训练偏差，yi表示BN层的第i个输出。

4.根据权利要求2所述的一种基于二值化神经网络的快速推断电磁信号入射角的方法，其特征在于，步骤A43所述网络模型的损失值小于或等于0.05。

5.根据权利要求4所述的一种基于二值化神经网络的快速推断电磁信号入射角的方法，其特征在于，步骤A43中采用均方误差来计算损失值。

6.根据权利要求2所述的一种基于二值化神经网络的快速推断电磁信号入射角的方法，其特征在于，步骤A42具体为：使用直通估计器根据参数的全精度值来计算梯度，并对参数的全精度值进行更新；同时限制权重的全精度值在[‑1,+1]之间，权重的参数更新公式为：其中，w为权重的全精度值，η代表学习率，loss为损失函数，wb为二值化后的权重，clip函数的用于将计算值限制在正负1之间。

7.根据权利要求2所述的一种基于二值化神经网络的快速推断电磁信号入射角的方法，其特征在于，步骤A5具体包括6个BRAM与1个.h文件，6个BRAM包括1个输入BRAM，4个权重BRAM以及1个输出BRAM；输入BRAM用于存储输入数据，4个权重BRAM用于存储权重参数，输出BRAM用于存储输出数据，.h文件用于存储BN层的数据。