1.一种基于正交基神经网络的磁异常检测方法，其特征在于，实现步骤如下：

步骤1：生成训练样本数据集，首先根据磁偶极子理论模型生成不同情况下的理想磁异常信号，包括铁磁目标在不同CPA距离、不同运动速度情况下的磁异常信号；然后采集检测地点不同时间段的纯地磁背景信号，将理想磁异常信号与纯地磁背景信号相加，得到含地磁噪声的磁异常信号；再为每组数据加入标签，含噪磁异常信号的数据标签设置为1，纯地磁背景信号的数据标签设置为0，以含噪磁异常信号和纯地磁背景信号构建用于训练正交基神经网络的数据集；

步骤2：对信号进行预处理，采用小波分解和重构的方法进行带通滤波，去掉均值和趋势项，再对滤波后的信号进行正交基函数OBF分解，得到每组信号在三个正交基上的分解系数；

步骤3：将步骤1得到的数据都进行步骤2所述的处理，然后把每个正交基对应的分解系数归为一类形成一个数据集，三个正交基就形成三个数据集，分别称为alpha1、alpha2和alpha3；

步骤4：构建傅立叶正交基神经网络，该网络为三层结构，分别为输入层、隐藏层和输出层，其中隐藏层包含n个节点，每个节点的激活函数都为正交的三角基函数；输入层和隐藏层之间的权值都为1，隐藏层和输出层之间的权值通过训练得到，输出层经过激活函数以后的值作为检测结果，输出1表示存在磁异常，输出0表示不存在磁异常；分别将步骤3中得到的数据集alpha1、alpha2和alpha3及其标签作为正交基神经网络模型的输入和输出进行训练，通过预期结果误差值反馈修改隐藏层和输出层之间的连接权值，由此得到三组分解系数对应的三个弱分类器模型h1、h2和h3；然后将三个弱分类器的输出进行融合，得到一个强分类器H；

步骤5：将需检测的磁信号数据首先进行步骤2所述的预处理，然后将对应的三个分解系数分别作为三个弱分类器模型的输入，得到三个弱分类器的输出，最后再根据强分类器H的输出判断是否存在磁异常，当H的输出大于阈值时表示存在磁异常信号，小于阈值时表示不存在磁异常信号。

2.根据权利要求1所述的方法，其特征在于，步骤2中所述OBF分解系数的计算公式为：

其中，m为信号的数据点序号，αj(m)为信号在第j个基函数上的分解系数，W为窗口的大小，fj(wi)为标准正交基函数，S(wm+i)为磁信号，w为磁目标运动轨迹的一个无量纲参数，wi表示第i个值，Δw为相邻两个w值的间隔，w的计算公式为：其中D为磁目标运动轨迹，R0为磁探测器到磁目标运动轨迹的最短距离，即CPA(ClosestProximityApproach)距离；三个正交基函数fj(wi)的计算公式分别为：。

3.根据权利要求1中所述的方法，其特征在于，步骤4中所述的正交基神经网络的激活函数公式为：利用傅立叶级数将激活函数展开逼近为一系列正交三角函数之和：

g(x)＝a+a0 cosx+b0 sinx+a1 cos2x+b1 sin2x+…+an cosnx+bn sinnx其中，

式中T为傅立叶级数展开的周期，x0为傅立叶级数展开任意点，n为傅立叶级数展开阶次，将上式转化为一般前馈的输出形式如下：其中， 为隐藏层的正交基函数，即为激活函数进行傅立叶级数展开后的正交三角函数，ci为隐藏层与输出层的连接权值，R(X)为误差值；y为神经网络输出。