1.基于语义分割的雷达复合干扰识别方法，其特征在于，包括以下步骤：

1)复合干扰产生及样本处理步骤：

1‑1)复合干扰信号的产生：根据单一干扰的类型、中心频率、带宽、起始时间和持续时间来产生不同时频重叠度的复合干扰信号；

1‑2)干扰预处理：在复合干扰信号上叠加高斯白噪声构成接收信号，将接收信号转变为基带信号，提取基带信号中的复合干扰信号，对提取的复合干扰信号经短时傅里叶变换得到时频信息矩阵，再对时频信息矩阵进行单元检测得到复合干扰有效频段；

1‑3)时频分析：通过对时频信息矩阵进行频域滤波抑制了复合干扰有效频段外的噪声，再通过短时傅里叶变换将滤波后的时频信息矩阵转化为二维时频图像；

1‑4)图像归一化与裁剪：将二维时频图像中的像素值按比例缩放到[0，255]范围内，依据复合干扰有效频段对二维时频图像进行截取生成样本图片；

1‑5)样本标注：对样本图片进行中特征标注不同的干扰类型标签赋予不同的RGB数值生成复合干扰样本；干扰类型标签包括单一干扰类型和背景部分；

2)语义分割模型构建步骤：语义分割包括特征提取步骤、维度调整步骤、上采样和结果预测步骤和辅助分类步骤：特征提取步骤：将生成复合干扰样本经过多层残差处理和最大池化后到复合干扰样本的特征并输出至数据维度调整模块；

维度调整步骤：将提取出的复合干扰样本的特征的数据体尺寸的第三通道调整为num_class，num_class为复合干扰数据集的标签数，标签数为语义类型总数＝单一干扰类型总数+1；

辅助分类步骤：利用特征提取的中间层特征通过转置卷积进行上采样将数据体尺寸恢复到a×a×num_class，其中a×a为输入至语义分割模型的复合干扰样本的图片尺寸，输出上采样后的中间层特征中每个像素点对应的学习结果向量的第三通道上的最大值至上采样和结果预测步骤；

结果预测步骤：经过转置卷积将经过维度调整的复合干扰样本的特征上采样，将复合干扰样本的特征的数据体尺寸恢复到a×a×num_class，其中a×a为输入至语义分割模型的复合干扰样本的图片尺寸，即每个像素点对应的学习结果向量为1×1×num_class，获取在学习结果向量的第三通道上取最大值并与来自中间层特征的学习结果向量的第三通道上的最大值进行加权叠加形成最终的分类向量；将分类向量的第三通道上取最大值时对应的干扰类型标签作为该像素点的语义类型；对所有像素点语义类型判断完毕之后输出当前预测结果；

3)识别结果分析步骤：使用交叉熵函数作为损失函数对语义分割模型的预测结果与样本真实结果之间的差异进行计算，将计算得到的梯度信号反向传播至语义分割模型进行约束直至语义分割模型训练完成。

2.如权利要求1所述方法，其特征在于，结果预测步骤中设置来自中间层特征的学习结果向量的第三通道上的最大值所对应的权重为0.3。

3.如权利要求1所述方法，其特征在于，单一干扰类型总数为7种，分别是噪声调频干扰FM、梳状谱干扰COMB、切片重构干扰C&I、间歇采样转发干扰IS、频谱弥散干扰SMSP、噪声卷积干扰CN和噪声乘积干扰MN。

4.如权利要求1所述方法，其特征在于，设置复合干扰信号产生的干噪比分别是0dB、

2dB、4dB、6dB、8dB；复合干扰信号的功率比例为1:1、1:2、2:1。