1.一种基于多域多维特征结合的海面小目标检测方法，其特征在于：获取海杂波与目标回波信号，并分为样本平衡的训练样本与检测样本；

将检测样本输入预先构建的基于堆栈式稀疏自编码器与GA‑XGBoost算法的检测器，获得检测样本预测值ρ；

所述基于堆栈式稀疏自编码器与GA‑XGBoost算法的检测器更新判决门限γ；

比较检测样本预测值ρ与判决门限γ，若检测样本预测值ρ大于判决门限γ则回波信号中含有目标，若测样本预测值ρ小于判决门限γ则回波信号中没有目标。

2.根据权利要求1所述的一种基于多域多维特征结合的海面小目标检测方法，其特征在于：所述检测样本输入预先构建的基于堆栈式稀疏自编码器与GA‑XGBoost算法的检测器的构建过程为：构建堆栈式稀疏自编码器，从训练样本中提取出能够表征信号的特征量，通过加入稀疏表示的限制条件，提取回波深层次特征；

构建XGBoost模型，对所提取的回波深层次特征进行评估分类，提取XGBoost模型中的超参数组，并利用自适应遗传优化算法对超参数组进行寻优，得到最优超参数组；

将最优超参数组结合堆栈式稀疏自编码器获得基于堆栈式稀疏自编码器与GA‑XGBoost算法的检测器。

3.根据权利要求2所述的一种基于多域多维特征结合的海面小目标检测方法，其特征在于：构建堆栈式稀疏自编码器，从训练样本中提取出能够表征信号的特征量，通过加入稀疏表示的限制条件，提取回波深层次特征的过程为：对海杂波与目标回波信号分别打上标签，有目标为1，无目标为0；

随机生成自编码器网络中的每一层权重W1、W2与偏置B1、B2，构建初始化自编码器网络；其中，网络公式如下：h＝σ(W1·x+B1)

y＝σ(W2·h+B2)

其中，x为输入层，h为隐含层，y为输出层，训练过程中的损失函数为：其中，m为输入层的单元个数，nl为堆栈自编码器网络总共的层数，sl为第一层的神经单元数，λ为权重衰减参数；损失函数的第一项为实际值与网络输出的最小均方差之和，||·||为l2范式；损失函数第二项为正则化项，作用在于减小权重幅值以防止过拟合，具体表示为编码、解码权重矩阵每一项系数的平方和；在损失函数中引入稀疏惩罚项KL(ρ||ρi)：其中，ρ是稀疏性常数，ρi表示第i个神经元的平均激活度；利用两个构建的初始化堆栈式稀疏自编码器网络从时域和频域分别对待检测信号提取特征，在每一个堆栈稀疏自编码器中，将上一层隐含层作为下一层的输入层，最终分别输出64维特征；

将输出的时域64维特征与频域64维特征连接，结合成128维深层次特征。

4.根据权利要求2所述的一种基于多域多维特征结合的海面小目标检测方法，其特征在于：提取XGBoost模型中的超参数组，并利用自适应遗传优化算法对超参数组进行寻优，得到最优超参数组的过程为：S31：对XGBoost模型中的超参数设置范围，并对超参数组进行二进制编码处理；

S32：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模型的检测概率；

S33：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；

其中，选择算子，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；

交叉算子，设立阈值k，在基因的第k个位置进行交叉；

变异算子，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；

S34：根据下述公式以更新交叉概率Pc与突变概率Pm的值，加快迭代速度：其中，f为适应度值，favg、fmax分别为平均与最大适应度值，Pcmax、Pcmin、Pmmax、Pmmin分别为交叉概率与突变概率的上下限值，A为权重更新参数；

S35：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S33、S34步骤，继续迭代。

5.根据权利要求1所述的一种基于多域多维特征结合的海面小目标检测方法，其特征在于：样本平衡的训练样本与检测样本的分配方法为：分别选取相等长度的海杂波数据与目标回波数据，进行重叠式数据选取，累计脉冲数为N＝1024，重叠度为P＝924。

6.根据权利要求1所述的一种基于多域多维特征结合的海面小目标检测方法，其特征在于：所述基于堆栈式稀疏自编码器与GA‑XGBoost算法的检测器更新判决门限γ的方法为：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：

计算判决门限γ，其计算公式为：

7.一种存储一个或多个程序的计算机可读存储介质，其特征在于：所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1至6所述的方法中的任一方法。

8.一种计算设备，其特征在于，包括：

一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1至6所述的方法中的任一方法的指令。