1.一种基于FAST四特征的海面小目标检测方法，其特征在于，包括以下步骤：步骤1、先获取待检测信号并对待检测信号进行去噪预处理，待检测信号包括海杂波信号和海杂波与目标回波信号，分别对海杂波信号与目标回波信号打上“0”标签与“1”标签，将检测问题归为二元假设检验；

步骤2、将原始信号通过短时傅里叶变换转化为二维时频分布谱图，通过取模运算获得原始信号的能量分布信息并进行归一化处理，获得所需归一化时频分布谱图；

步骤3、利用FAST算法提取出四项特征并进行归一化处理，将归一化后的四特征结合为四维特征向量；

步骤4、构建XGBoost分类器模型，对所提取特征进行评估分类，利用遗传优化算法对XGBoost网络超参数组进行寻优，得到最优超参数组并更新判决门限；

步骤5、将数据样本输入分类器中，获得预测值，通过与判决门限对比，判断回波信号中是否有目标。

2.根据权利要求1所述的一种基于FAST四特征的海面小目标检测方法，其特征在于，所述步骤1中二元假设检验如下式：式中，c表示海杂波信号，s表示目标回波信号，H0假设表示回波信号中仅有海杂波信号，H1假设表示回波信号中含有目标回波。

3.根据权利要求1所述的一种基于FAST四特征的海面小目标检测方法，其特征在于，所述步骤2具体包括如下步骤：步骤2.1、对原始信号进行短时傅里叶变换，公式如下：

式中，h(τ)为窗函数，s(t)为原始信号；

步骤2.2、进行取模运算，运算公式为：

SPEC(t,ω)＝||STFT(t,ω)||

步骤2.3、对时频分布谱图进行归一化处理，归一化公式为：步骤2.4、运算过程中，涉及到平均函数μ(n,l)和标准差函数σ(n,l)，其公式为：

4.根据权利要求1所述的一种基于FAST四特征的海面小目标检测方法，其特征在于，所述步骤3中提取出的FAST四项特征如下：ξ1：时频分布谱图中候选特征点的个数；

ξ2：候选特征点的平均分布能量；

ξ3：对候选特征点进行聚类得到的簇数；

ξ4：最大簇中的候选特征点数；

式中，特征值ξ1直接由FAST算法统计候选特征点而得，特征值ξ2、ξ3由特征值ξ1计算而得，DBSCAN算法被使用来计算ξ3，ξ4在ξ3所有簇中选择候选特征点最多的簇，再统计簇内的候选特征点点数。

5.根据权利要求4所述的一种基于FAST四特征的海面小目标检测方法，其特征在于，在提取特征ξ3时，所使用的聚类方法DBSCAN算法，通过设定最大扫描半径rmax与最小包含点数Ptmin，任选一个候选特征点开始，如果扫描半径范围内的点数大于Ptmin，则与当前点与附近点形成一个簇；如果扫描半径范围内的点数小于Ptmin，则被认为是噪声点，将其去除。

6.根据权利要求5所述的一种基于FAST四特征的海面小目标检测方法，其特征在于，所述步骤3中对四项特征进行归一化处理的公式如下：

7.根据权利要求6所述的一种基于FAST四特征的海面小目标检测方法，其特征在于，将每一种特征作为一个维度，构建四维特征空间，得到四维空间向量：

8.根据权利要求1所述的一种基于FAST四特征的海面小目标检测方法，其特征在于，所述步骤4具体包括如下步骤：步骤4.1、对XGBoost网络中的超参数设置范围，并对超参数组进行二进制编码处理；

步骤4.2、计算超参数组的适应度值，适应度值选取为待检测信号经XGBoost网络的检测概率；

步骤4.3、使用选择算子、交叉算子、突变算子，对超参数进行遗传算法迭代更新；

步骤4.4、判断适应度值是否收敛，如果适应度值收敛，当前迭代终止，输出最优超参数组；否则，返回步骤4.3，继续迭代；

步骤4.5、获取检测器评估分类的实际为海杂波数据的n组预测值，并按从大到小排列，记为ρ1，ρ2，…，ρn，选定虚警率Pfa，其计算公式为步骤4.6、计算判决门限γ，其计算公式为

9.根据权利要求8所述的一种基于FAST四特征的海面小目标检测方法，其特征在于，所述选择算子为通过轮盘赌方法，计算每个个体的适应度值构成轮盘比例进行随机选择；所述交叉算子为设立阈值k，在基因的第k个位置进行交叉；所述突变算子为根据突变概率选择基因突变位置，进行0‑1转换，防止局部寻优。

10.根据权利要求9所述的一种基于FAST四特征的海面小目标检测方法，其特征在于，所述步骤5中判断标准为：当ρ＞γ时，判断为检测信号中有目标，属于H1假设；当ρ＜γ时，判断为检测信号中无目标，属于H0假设。