1.一种基于深海多波束水体底回波信息的底质分类方法，其特征在于，该方法包括：S1，提取多维特征，利用多波束水体数据提取海底多波束时间序列的多维特征，利用融合角度响应曲线构建海底波束点的多维特征；

S2，波形余弦函数相似度样本扩充与筛选，通过原始样本点波形与海底实测点波形双波形频谱对照的方法，采用Cosine Similarity相似度对两组对应波形匹配，对原始样本点扩充，并使用非监督分类结果对扩充波形进行二次过滤；

S3，混合像元隶属度分析，构建分类类别丰度图，完成深海复杂混合底质的海底生境反演；

S4，基于监督分类与非监督分类的决策融合，采用随机森林模型对离散点云进行预测分类，创建多分类决策融合机制，将预测结果与非监督分类的预测结果在丰度格网内进行类别决策；

在步骤S2中，波形余弦函数相似度样本扩充与筛选，包括：

S201，余弦函数相似度扩充，利用余弦相似度函数对极少量的原始样本点进行扩充；

S202，多元分类结果遍历筛选，通过非监督分类K‑均值的聚类结果，将扩充后的样本逐一进行对照，剔除可信度不高的扩充点，实现对扩充样本的筛选；

在步骤S3中，混合像元隶属度分析，包括：

S301，点云数据格网化，用余弦相似度函数经样本扩充与筛选的样本点取50％作为训练样本，剩余的50％用作验证样本进行监督分类，得到监督分类与非监督分类对点云分类结束后，分别使用大格网对监督分类与非监督分类结果进行处理；S302，类别丰富度计算，运用生态学中种类丰度的概念将格网内的各类别丰度进行丰度计算，对于每一种的类别，形成一幅该类别的丰度图像进行可视化，将各个类别格网中的丰度值进行单一类别归一化处理，形成各类别丰度的丰度图像；

在步骤S4中，基于监督分类与非监督分类的决策融合，包括：

S401，将分类完成的监督分类结果Cn[i]与非监督分类Cm[i]结果进行逐个对照，如果两分类结果类别一致，则认为是结果类别；表达式为：O[i]＝Cn[i]＝Cm[i]

式中，Cn[i]为随机森林监督分类结果中第i个波束点的类别，Cm[i]为K‑均值聚类分类结果中第i个波束点的类别，O[i]为判别的结果类别；

S402，如果类别不一致，分别计算两个波束点所在一定的大格网中最大类别maxCm与maxCn，以及两种类别对应的丰度值Vm与Vn；

Vm>Vn

maxCn＝Cn[i]

maxCm＝Cm[i]

式中，maxCm为该波束点在K‑均值的丰度格网中最大丰度的类别，maxCn为该波束点在随机森林的丰度格网中最大丰度的类别，Vm为maxCm对应的丰度值，Vn为maxCn对应的丰度值；

S403，判断两个格网中的最大类别maxCm与maxCn是否相同，如果类别相同，则认定该类别为该波束点位的最终判别类别；

S404，如果maxCm与maxCn不相同，则比较两个大格网的最大丰度值，判断其最大丰度对应的类别是否存在监督分类与非监督分类的两个分类结果之中；存在，则该类别是为判别结果；

S405，如果不存在，则分别获取两分类结果所对应的丰度值Cm‑Value与Cn‑Value，将丰度值大者是为最终的类别判别结果；

Cm‑Value≥Cn‑Value

式中，Cm‑Value为Cm[i]的丰度值，Cn‑Value为Cn[i]的丰度值；

S406，将每一个波形点都进行步骤S301‑S305判别，最终完成整个数据的判别，并输出一份最终的分类结果。

2.根据权利要求1所述的基于深海多波束水体底回波信息的底质分类方法，其特征在于，在步骤S1中，提取多维特征，包括：S101，海底波形提取，选取从每个波束到达海底点的序列号开始向下的多个波形序列；

S102，海底波形特征提取，通过对海底波形提取原始强度、最大值、最小值、总值、均值、峰峰值、标准差、均方根值、半波峰宽、峰值因子、峰度、偏度、裕度因子特征作为分类基础数据；

S103，角度响应特征提取，对于角度响应曲线则是以ping为基本单元，提取均值、斜率、偏度、峰度特征；

S104，特征融合，将海底波形特征与角度响应曲线特征进行并列合并，构建多维的特征向量。

3.根据权利要求2所述的基于深海多波束水体底回波信息的底质分类方法，其特征在于，在步骤S102中，峰度的计算公式为：式中，Kutosis为峰态系数，n为多波束数据中一ping内各采样点的序号，xi为每一个波束强度值，为一ping的均值，SD为一ping强度的标准差；

偏度的计算公式为：

式中，Skewness为偏态系数。

4.根据权利要求1所述的基于深海多波束水体底回波信息的底质分类方法，其特征在于，在步骤S201中，余弦相似度函数的计算公式为：式中，ai，bi分别为两个待求相似度的向量将样本点波形与海底点波形视为两个向量，在向量空间中计算两个向量的夹角余弦值，夹角越小，余弦值越接近于1，则越相似。

5.一种基于深海多波束水体底回波信息的底质分类系统，其特征在于，该系统实施如权利要求1‑4任意一项所述的基于深海多波束水体底回波信息的底质分类方法，该系统包括：基于多波束时序海底波形与角度响应曲线结合的多维特征提取模块，用于利用多波束水体数据提取海底多波束时间序列的多维特征，融合角度响应曲线构建水深点的多维特征；

波形余弦函数相似度样本扩充与筛选模块，用于通过原始样本点波形与海底实测点波形双波形频谱对照的方法，采用Cosine Similarity相似度对两组对应波形匹配，对原始样本点扩充；

基于监督分类与非监督分类的决策融合模块，用于采用随机森林模型对离散点云进行预测分类，创建多分类决策融合机制，将预测结果与非监督分类的预测结果在滑动窗口中进行类别决策；

混合像元隶属度分析模块，用于构建分类类别丰度图，完成深海复杂混合底质的海底生境反演。