1.一种基于波束形成的ResNet多目标信号DOA估计算法，其特征在于，该算法包括：采用探测器阵列，应用LCMV波束形成算法，对空间进行扫描，扫描过程中进行相位调整，对于来自扫描方向的信号实现信号增强，并抑制其他方向来源的干扰信号，再利用残差网络ResNet将多目标DOA估计问题转化为二分类问题，并在残差网络ResNet中添加高效通道注意力机制增强模型对信号特征的提取，提高目标DOA估计的准确性和鲁棒性；该算法包括如下步骤：步骤S1：圆形阵列接收无人机信号，计算声源到各个阵列的距离并依此进行采样；

步骤S2：利用LCMV波束形成算法对采样信号进行相位调整；

步骤S3：将相位调整后的阵列输出与其加权求和信号拼接；

步骤S4：利用ResNet‑ECA网络对数据进行特征提取，进行训练，得到多目标DOA估计模型；

步骤S5：将新的调整后拼接好的数据利用训练好的模型进行推理；

步骤S6：网络根据多目标DOA估计模型判断每一个扫描角度是否存在目标；

所述步骤S2至步骤S3具体为：对t时刻阵列每个探测器接收到的信号，利用LCMV波束形成算法，对全方向进行扫描，对每一个方位的扫描，首先每个探测器接收到的信号乘以加权矢量，进行相位调整，然后相加，将相位调整后的每一路信号，以及相加后的信号，组成一组数据，用于扫描方向上信号存在的判定数据。

2.根据权利要求1所述的一种基于波束形成的ResNet多目标信号DOA估计算法，其特征在于：所述步骤S1具体为：使用全向传感器组成的阵列接收周围的声音信号，阵列的所有探测器均对信号进行采样，记录t时刻圆形阵列采样接收到的信号。

3.根据权利要求1所述的一种基于波束形成的ResNet多目标信号DOA估计算法，其特征在于： 所述步骤S4具体为：在网络训练过程时，将每一个方向上经过相位调整的信号数据集制作成一个完整的网络训练集，并在命名时打上三种标签，分别是阵列扫描角度、目标入射角度和先验判定结果，将以上训练集作为ResNet‑ECA信号识别网络的输入，输入到ResNet网络中，训练完成后，得到多目标DOA估计模型。

4.根据权利要求1所述的一种基于波束形成的ResNet多目标信号DOA估计算法，其特征在于：步骤S5中在网络推理过程时，将探测器阵列放置在所需环境中，并重复执行步骤S1和步骤S2，将阵列接收到的经过LCMV波束形成算法处理过的信号作为输入数据，输入到所述步骤S4中的多目标DOA估计模型中，再通过模型输出判断每一个扫描角度是否存在目标。

5.根据权利要求1所述的一种基于波束形成的ResNet多目标信号DOA估计算法，其特征在于： ResNet网络的输入信号包括各个探测器经过相位调整后的信号以及所有调整后信号的和；相位调整是指阵列接收到的信号经过LCMV波束形成技术，按照阵列扫描角度，将原始信号乘以加权矢量。

6.根据权利要求1所述的一种基于波束形成的ResNet多目标信号DOA估计算法，其特征在于：所述ResNet‑ECA信号识别网络的输出是对每一个扫描的方向仅进行判别是否存在目标，而非扫描角度和目标入射角度的排列，ResNet网络需记录扫描完全方向探测到目标的数量。

7.根据权利要求1所述的一种基于波束形成的ResNet多目标信号DOA估计算法，其特征在于：ResNet‑ECA信号识别网络的输入数据集，数据集为二维矩阵，其组成由以下步骤生成：每一个探测器输出的信号是一维信号，其是对一段时间内信号的采样，在单个扫描角度计算中，经过波束形成算法的相位调整后仍然为一维信号，各个探测器调整后信号的和也是一维信号，这些信号共同组成了二维数据矩阵。

8.根据权利要求3所述的一种基于波束形成的ResNet多目标信号DOA估计算法，其特征在于：ResNet‑ECA信号识别网络的输入二维数据矩阵，数据集能够是单个扫描角度得到的二维数据矩阵和/或是所有扫描角度对应的所有二维数据矩阵组成的巨型二维数据矩阵；

当ResNet网络的输入仅为一个扫描角度得到的二维矩阵时，ResNet网络的输出是对该扫描角度是否存在目标信号的判断；当ResNet网络的输入为全方向扫描角度得到的举行二维数据矩阵时，ResNet网络的输出是ResNet网络对全方位判断存在目标的数目以及各个目标所处方位。