1.一种基于分布式深度神经网络模场识别的多模串扰分析方法，其特征在于：所述方法包括如下步骤：（1）对所用到的分布式深度神经网络进行训练，在不同的光传输系统中，通过改变光信号的传播模式，得到不同的串扰信息；

（2）将串扰信息生成图像并输入分布式深度神经网络进行训练，得到了所需要的分布式深度神经网络模式串扰识别模型；

（3）将得到的串扰识别模型与不同的光传输系统结合，获得相对应的更快速、更精确的模式串扰信息；

所述步骤（2）中在分布式深度神经网络中加入dropout的方法；

所述dropout的方法是通过改变神经网络模型结构来计算多个模型的平均值；

所述步骤（1）中的分布式深度神经网络逐层提取图像的特征，逐级学习出更加复杂的特征；

所述步骤（2）中的分布式深度神经网络模式串扰识别模型采用交叉熵成本函数代替均方差误差成本函数。

2.根据权利要求1所述的基于分布式深度神经网络模场识别的多模串扰分析方法，其特征在于：所述步骤（3）包括将多个光发射机发出的光信号进行复用，在经过多模光纤传输之后，将光信号分为1%和99%的两部分，1%光信号进入图像传感器生成图像，这些图像在通过已经训练好的分布式深度神经网络模型，得到更快速、更精确的模式串扰信息。

3.根据权利要求2所述的基于分布式深度神经网络模场识别的多模串扰分析方法，其特征在于：所述多个光发射机发出的光信号通过模式复用器进行复用。

4.根据权利要求2所述的基于分布式深度神经网络模场识别的多模串扰分析方法，其特征在于：所述光信号通过光隔离器进行分离。

5.根据权利要求2所述的基于分布式深度神经网络模场识别的多模串扰分析方法，其特征在于：所述光信号进行复用并耦合进入多模光纤中。

6.根据权利要求1所述的基于分布式深度神经网络模场识别的多模串扰分析方法，其特征在于：所述步骤（2）中的分布式深度神经网络按照前向传播逐层计算。