1.一种融合散射特征优化的SAR目标数据生成方法，其特征在于，所述方法包括：获取SAR复数据图像，通过OMP算法提取所述SAR复数据图像的属性散射中心参数，并将所述属性散射中心参数转化为散射特征可视化图像；

将所述散射特征可视化图像与所述SAR复数据图像输入至改进的循环一致生成对抗网络中，输出生成图像；

获取原始图像，使用损失函数计算所述原始图像与所述生成图像之间的多重损失，并使用所述多重损失引导所述改进的循环一致生成对抗网络学习散射规律，得到目标生成对抗网络；

通过所述目标生成对抗网络生成SAR目标数据。

2.根据权利要求1所述的融合散射特征优化的SAR目标数据生成方法，其特征在于，所述改进的循环一致生成对抗网络，为采用编码器、转换器、解码器组成的生成网络；

将所述散射特征可视化图像与所述SAR复数据图像输入至改进的循环一致生成对抗网络中，输出生成图像，包括：将所述散射特征可视化图像与所述SAR复数据图像输入至改进的循环一致生成对抗网络中，通过所述编码器提取出融合散射特征；

通过所述转换器对所述融合散射特征进行转换，保留浅层特征与深层特征，得到转换后的融合散射特征；

通过所述解码器将所述转换后的融合散射特征分布映射回数据图像，输出生成图像。

3.根据权利要求2所述的融合散射特征优化的SAR目标数据生成方法，其特征在于，所述编码器包括初始卷积模块、下采样模块；其中，所述初始卷积模块对输入的图像进行四周的轴对称镜像填充，并采用卷积核扩大通道数；所述下采样模块包括卷积层、实例归一化层、线性整流函数、丢弃正则化层。

4.根据权利要求2所述的融合散射特征优化的SAR目标数据生成方法，其特征在于，所述解码器包括上采样模块、输出模块；其中，所述上采样模块包括反卷积层、实例归一化层、线性整流函数、丢弃正则化层；所述输出模块包括反射填充层、卷积层、Tanh激活层。

5.根据权利要求2所述的融合散射特征优化的SAR目标数据生成方法，其特征在于，所述编码器和所述解码器中间设置有转换器，所述转换器包括残差模块。

6.根据权利要求2所述的融合散射特征优化的SAR目标数据生成方法，其特征在于，所述改进的循环一致生成对抗网络还包括判别器；

所述判别器用于将输入的图像划分为块，并对划分后的块进行真假判别；

所述判别器包括卷积模块、输出层。

7.根据权利要求1所述的融合散射特征优化的SAR目标数据生成方法，其特征在于，通过OMP算法提取所述SAR复数据图像的属性散射中心参数，并将所述属性散射中心参数转化为散射特征可视化图像，包括：基于所述SAR复数据图像，使用OMP算法计算出各个散射中心的响应之和；

根据各个散射中心的响应之和，得到各个属性散射中心参数；

提取出所述属性散射中心参数中的位置参数，并根据所述位置参数，将其余的属性散射中心参数可视化为散射特征图像。

8.根据权利要求1所述的融合散射特征优化的SAR目标数据生成方法，其特征在于，所述损失函数包括对抗损失、循环一致性损失、Identity损失。

9.一种融合散射特征优化的SAR目标数据生成系统，其特征在于，所述系统包括：图像转化模块，用于获取SAR复数据图像，通过OMP算法提取所述SAR复数据图像的属性散射中心参数，并将所述属性散射中心参数转化为散射特征可视化图像；

图像生成模块，用于将所述散射特征可视化图像与所述SAR复数据图像输入至改进的循环一致生成对抗网络中，输出生成图像；

生成对抗网络调整模块，用于获取原始图像，使用损失函数计算所述原始图像与所述生成图像之间的多重损失，并使用所述多重损失引导所述改进的循环一致生成对抗网络学习散射规律，得到目标生成对抗网络；

数据生成模块，用于通过所述目标生成对抗网络生成SAR目标数据。

10.根据权利要求9所述的融合散射特征优化的SAR目标数据生成系统，其特征在于，所述改进的循环一致生成对抗网络，为采用编码器、转换器、解码器组成的生成网络；

所述图像生成模块还用于：将所述散射特征可视化图像与所述SAR复数据图像输入至改进的循环一致生成对抗网络中，通过所述编码器提取出融合散射特征；通过所述转换器对所述融合散射特征进行转换，保留浅层特征与深层特征，得到转换后的融合散射特征；通过所述解码器将所述转换后的融合散射特征分布映射回数据图像，输出生成图像。