1.一种无人机协同决策准则生成方法，其特征在于，包括：当接收到决策准则触发数据时，获取无人机的任务数据及对应的任务紧急状况数据；

当所述任务紧急状况数据为不紧急时，将所述无人机对应的周围环境图像数据进行对手装备识别，得到对手装备数量和对手装备特征数据；

当所述对手装备数量小于预设值时，提取无人机对应的无人机装备特征数据和地面控制站采集的地面数据；

将所述对手装备特征数据、所述无人机装备特征数据和所述地面数据进行图像栅格化，构建环境态势网格图像；

将所述环境态势网格图像输入多协同决策准则分类模型，得到所述无人机对应的协同决策准则；

所述将所述对手装备特征数据、所述无人机装备特征数据和所述地面数据进行图像栅格化，构建环境态势网格图像的步骤，包括：将所述对手装备特征数据、所述无人机装备特征数据和所述地面数据进行特征融合，得到初始真实态势网格图像集；

将所述初始真实态势网格图像集进行栅格化，得到目标真实态势网格图像集；

根据所述目标真实态势网格图像集，采用上采样算法SMOTE生成样本，得到第一虚拟态势网格图像集；

根据所述目标真实态势网格图像集，采用信息扩散方法MTD生成样本，得到第二虚拟态势网格图像集；

采用所述第一虚拟态势网格图像集和所述第二虚拟态势网格图像集，构建虚拟态势网格图像集；

从所述目标真实态势网格图像集和所述虚拟态势网格图像集中选取网格图像样本，构建环境态势网格图像。

2.根据权利要求1所述的无人机协同决策准则生成方法，其特征在于，所述获取无人机的任务数据及对应的任务紧急状况数据的步骤，包括：获取无人机对应的无人机授权情况数据；

当所述无人机授权情况数据为授权时，将所述无人机的任务数据进行紧急状况判断，得到任务紧急状况数据。

3.根据权利要求1所述的无人机协同决策准则生成方法，其特征在于，所述根据所述目标真实态势网格图像集，采用上采样算法SMOTE生成样本，得到第一虚拟态势网格图像集的步骤，包括：将所述目标真实态势网格图像集中的装备分别作为第一样本生成对象，得到第一网格图像样本集；

按照预设选取标准从所述第一网格图像样本集中选取合成样本的根样本；

从所述第一网格图像样本集中选取与所述根样本之间欧式距离在预设距离范围内的多个所述第一样本生成对象，得到近邻辅助样本点集；

按照预设上采样率从所述近邻辅助样本点集中选取辅助样本点，得到辅助样本点集；

将所述辅助样本点集中的辅助样本点分别代入预设样本公式进行样本更新，生成虚拟样本；

所述预设样本公式为：

xnew＝xi+(x′i‑xi)×rand(0,1)；

其中，xnew为第一虚拟态势网格图像；xi为根样本；x′i为辅助样本点；rand(0,1)为0至1之间的随机函数；

采用全部所述虚拟样本，构建第一虚拟态势网格图像集。

4.根据权利要求1所述的无人机协同决策准则生成方法，其特征在于，所述根据所述目标真实态势网格图像集，采用信息扩散方法MTD生成样本，得到第二虚拟态势网格图像集的步骤，包括：将所述目标真实态势网格图像集中的装备分别作为第二样本生成对象，得到第二网格图像样本集；

分别选取所述第二网格图像样本集中各装备特征对应的最大值和最小值，得到特征最大值和特征最小值；

计算所述特征最大值和所述特征最小值之间的平均值，得到特征均值；

计算所述第二网格图像样本集中小于所述特征均值的装备个数，得到第一装备个数；

计算所述第二网格图像样本集中大于所述特征均值的装备个数，得到第二装备个数；

将所述第一装备个数、所述第二装备个数和特征均值代入预设边界值计算公式进行边界值计算，得到所述装备特征对应的上边界值和下边界值；

所述预设边界值计算公式为：

其中，UB为上边界值；CL为特征均值；SkewU为基于特征均值的右偏度； 为第二网格图像样本集对应的装备方差；NU为第二装备个数；LB为下边界值；SkewL为基于特征均值的左偏度；NL为第一装备个数；xj为观测值；为均值；n为第二网格图像样本集对应的装备个数；

将所述上边界值与所述下边界值代入预设三角隶属函数值计算公式进行计算，得到所述装备特征对应的三角隶属函数值；

所述预设三角隶属函数值计算公式为：

其中，MF为三角隶属函数值；x′为虚拟样本；LB为下边界值；CL为特征均值；UB为上边界值；

将大于预设函数值的三角隶属函数值作为装备虚拟样本；

采用全部所述装备虚拟样本，构建第二虚拟态势网格图像集。

5.根据权利要求1所述的无人机协同决策准则生成方法，其特征在于，所述从所述目标真实态势网格图像集和所述虚拟态势网格图像集中选取网格图像样本，构建环境态势网格图像的步骤，包括：按照预设装备种类选取标准，从所述目标真实态势网格图像集中选取装备种类，得到装备种类；

按照所述装备种类和预设选取数量，从所述虚拟态势网格图像集中选取多个补充样本，得到所述装备种类对应的补充样本集并实时统计样本补充次数；

当所述样本补充次数小于预设次数阈值时，跳转执行所述按照预设装备种类选取标准，从所述目标真实态势网格图像集中选取装备种类，得到装备种类的步骤；

当所述样本补充次数等于预设次数阈值时，采用当前时刻对应的全部补充样本集，构建环境态势网格图像。

6.根据权利要求1所述的无人机协同决策准则生成方法，其特征在于，所述将所述环境态势网格图像输入多协同决策准则分类模型，得到所述无人机对应的协同决策准则的步骤，包括：将所述环境态势网格图像按照预设标签进行专家标注，得到所述环境态势网格图像对应的类别标签；

将所述环境态势网格图像作为输入，将所述类别标签作为输出，对预设多分类神经网络模型进行模型训练，得到多协同决策准则分类模型；

将所述环境态势网格图像输入所述多协同决策准则分类模型，得到所述无人机对应的协同决策准则。

7.一种无人机协同决策准则生成系统，其特征在于，包括：任务紧急状况数据获取模块，用于当接收到决策准则触发数据时，获取无人机的任务数据及对应的任务紧急状况数据；

对手装备数量和对手装备特征数据得到模块，用于当所述任务紧急状况数据为不紧急时，将所述无人机对应的周围环境图像数据进行对手装备识别，得到对手装备数量和对手装备特征数据；

无人机装备特征数据和地面数据提取模块，用于当所述对手装备数量小于预设值时，提取无人机对应的无人机装备特征数据和地面控制站采集的地面数据；

环境态势网格图像得到模块，用于将所述对手装备特征数据、所述无人机装备特征数据和所述地面数据进行图像栅格化，构建环境态势网格图像；

协同决策准则得到模块，用于将所述环境态势网格图像输入多协同决策准则分类模型，得到所述无人机对应的协同决策准则；

所述环境态势网格图像得到模块包括：

初始真实态势网格图像集得到模块，用于将对手装备特征数据、无人机装备特征数据和地面数据进行特征融合，得到初始真实态势网格图像集；

目标真实态势网格图像集得到模块，用于将初始真实态势网格图像集进行栅格化，得到目标真实态势网格图像集；

第一虚拟态势网格图像集得到模块，用于根据目标真实态势网格图像集，采用上采样算法SMOTE生成样本，得到第一虚拟态势网格图像集；

第二虚拟态势网格图像集得到模块，用于根据目标真实态势网格图像集，采用信息扩散方法MTD生成样本，得到第二虚拟态势网格图像集；

虚拟态势网格图像集构建模块，用于采用第一虚拟态势网格图像集和第二虚拟态势网格图像集，构建虚拟态势网格图像集；

环境态势网格图像得到子模块，用于从目标真实态势网格图像集和虚拟态势网格图像集中选取网格图像样本，构建环境态势网格图像。

8.一种电子装备，其特征在于，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至6任一项所述的无人机协同决策准则生成方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被执行时实现如权利要求1至6任一项所述的无人机协同决策准则生成方法。