1.深度学习的无人机应急防卫控制方法，其特征在于，包括：

步骤S1，对基地区域周边的异常状态数据进行深度神经网络学习，预测潜在入侵事件，从而设定对所述基地区域周边的无人机集群巡检策略；

步骤S2，监测与识别无人机集群在巡检过程本地受到的干扰，调整所述无人机集群的飞行布局和对至少部分无人机的控制策略，包括：监听无人机集群下属所有无人机各自在巡检过程中本地接收到的外界信号，提取所述外界信号的干扰信号成分；

监测所述无人机集群下属所有无人机各自在巡检过程中的飞行轨迹与姿态漂移变化数据，对所述飞行轨迹与姿态漂移变化数据进行分析，得到所述无人机飞行异常发生时间；

将所述干扰信号成分在所述外界信号的时间序列与所述无人机飞行异常发生时间进行对比，识别所述无人机集群内发生飞行不稳定事件的无人机；

根据发生飞行不稳定事件的无人机在所述无人机集群内的分布位置以及发生飞行不稳定事件的无人机与其他无人机之间的相对飞行速度，调整所述无人机集群的飞行布局，将发生飞行不稳定事件的无人机切换至所述无人机集群的内部区域，以及其他无人机切换至所述无人机集群的外围区域；

根据发生飞行不稳定事件的无人机与地面基站之间的通信控制策略，将发生飞行不稳定事件的无人机切换至受其他无人机控制的工作状态，从而使其他无人机向发生飞行不稳定事件的无人机进行定位和飞行控制；

步骤S3，根据所述基地区域周边的入侵物与所述无人机集群之间的相对空间关系动态数据，调整所述无人机集群中相应无人机的飞行状态，从而使所述入侵物与所述无人机集群满足预设位置关系条件；

步骤S4，根据所述入侵物的飞行轨迹，控制所述无人机集群内至少一个无人机对所述入侵物发起非接触干扰，直到所述入侵物发生飞行状态变化为止。

2.如权利要求1所述的深度学习的无人机应急防卫控制方法，其特征在于：在所述步骤S1中，对基地区域周边的异常状态数据进行深度神经网络学习之前，包括：对基地区域周边进行视觉扫描检测和雷达扫描检测，得到所述基地区域的周边环境影像和周边环境雷达数据；

对所述周边环境雷达数据进行分析，确定所述基地区域周边的疑似外来物的飞行动态路径；

基于所述飞行动态路径，对所述周边环境影像进行局部识别，得到所述疑似外来物的飞行动作姿态；

对所述疑似外来物的飞行动态路径和飞行动作姿态进行时域演变分析，得到所述基地区域周边的异常状态数据；其中，所述异常状态数据包括靠近所述基地区域的疑似外来物的飞行动态路径数据和飞行动作姿态数据。

3.如权利要求2所述的深度学习的无人机应急防卫控制方法，其特征在于：在所述步骤S1中，对基地区域周边的异常状态数据进行深度神经网络学习，预测潜在入侵事件，包括：对所述异常状态数据包含的飞行动态路径数据和飞行动作姿态数据进行噪声剔除和可信数据筛选处理后，将所述飞行动态路径数据和所述飞行动作姿态数据输入深度神经网络模型分析学习，得到疑似外来物相对所述基地区域的飞行趋势；

根据所述飞行趋势，预测所述基地区域的潜在入侵事件的空间分布。

4.如权利要求3所述的深度学习的无人机应急防卫控制方法，其特征在于：在所述步骤S1中，设定对所述基地区域周边的无人机集群巡检策略，包括：根据所述基地区域的潜在入侵事件的空间分布和所述基地区域周边的地理地形分布，识别所述基地区域周边的入侵物及其入侵地点空间分布；

根据所述入侵地点空间分布和所述基地区域内的无人机集群准备状态，设定对所述基地区域周边的无人机集群巡检策略；其中，所述无人机集群准备状态包括所述基地区域内所有无人机集群各自的停放位置和起飞加速特征；所述无人机集群巡检策略包括所述无人机集群在所述基地区域周边巡检飞行覆盖空间范围。

5.如权利要求1所述的深度学习的无人机应急防卫控制方法，其特征在于：在所述步骤S3中，还包括：

获取所述基地区域周边的入侵物的预测飞行轨迹与所述无人机集群整体的计划飞行轨迹；

将所述预测飞行轨迹与所述计划飞行轨迹进行空间对比，得到所述基地区域周边的入侵物与所述无人机集群之间的相对空间关系动态数据；其中，所述相对空间关系动态数据包括所述基地区域周边的入侵物与所述无人机集群之间的相对空间距离和相对空间方位动态数据。

6.如权利要求5所述的深度学习的无人机应急防卫控制方法，其特征在于：在所述步骤S3中，根据所述基地区域周边的入侵物与所述无人机集群之间的相对空间关系动态数据，调整所述无人机集群中相应无人机的飞行状态，从而使所述入侵物与所述无人机集群满足预设位置关系条件，包括：对所述基地区域周边的入侵物与所述无人机集群之间的相对空间距离和相对空间方位动态数据进行时演分析，预测所述无人机集群与所述入侵物的相遇位置范围；

根据所述相遇位置范围，调整所述无人机集群中外围区域的无人机的飞行轨迹和/或飞行速度，从而使所述无人机集群能够对所述入侵物形成包围。

7.如权利要求1所述的深度学习的无人机应急防卫控制方法，其特征在于：在所述步骤S4中，根据所述入侵物的飞行轨迹，控制所述无人机集群内至少一个无人机对所述入侵物发起非接触干扰，直到所述入侵物发生飞行状态变化为止，包括：根据所述入侵物的飞行轨迹，确定所述无人机集群内所述入侵物之间距离最近的无人机；

根据所述距离最近的无人机与所述入侵物之间的相对方位变化特征，控制所述距离最近的无人机向所述入侵物发起电磁干扰和/或激光干扰的操作强度和操作持续时间，直到所述入侵物飞行远离所述基地区域或停止飞行为止。

8.深度学习的无人机应急防卫控制系统，其特征在于，包括：

深度学习与巡检策略设定模块，用于对基地区域周边的异常状态数据进行深度神经网络学习，预测潜在入侵事件，从而设定对所述基地区域周边的无人机集群巡检策略；

干扰监测与识别模块，用于监测与识别无人机集群在巡检过程本地受到的干扰，包括：监听无人机集群下属所有无人机各自在巡检过程中本地接收到的外界信号，提取所述外界信号的干扰信号成分；

监测所述无人机集群下属所有无人机各自在巡检过程中的飞行轨迹与姿态漂移变化数据，对所述飞行轨迹与姿态漂移变化数据进行分析，得到所述无人机飞行异常发生时间；

将所述干扰信号成分在所述外界信号的时间序列与所述无人机飞行异常发生时间进行对比，识别所述无人机集群内发生飞行不稳定事件的无人机；

飞行布局与控制策略调整模块，用于调整所述无人机集群的飞行布局和对至少部分无人机的控制策略，包括：根据发生飞行不稳定事件的无人机在所述无人机集群内的分布位置以及发生飞行不稳定事件的无人机与其他无人机之间的相对飞行速度，调整所述无人机集群的飞行布局，将发生飞行不稳定事件的无人机切换至所述无人机集群的内部区域，以及其他无人机切换至所述无人机集群的外围区域；

根据发生飞行不稳定事件的无人机与地面基站之间的通信控制策略，将发生飞行不稳定事件的无人机切换至受其他无人机控制的工作状态，从而使其他无人机向发生飞行不稳定事件的无人机进行定位和飞行控制；

集群飞行状态调整模块，用于根据所述基地区域周边的入侵物与所述无人机集群之间的相对空间关系动态数据，调整所述无人机集群中相应无人机的飞行状态，从而使所述入侵物与所述无人机集群满足预设位置关系条件；

干扰发起控制模块，用于根据所述入侵物的飞行轨迹，控制所述无人机集群内至少一个无人机对所述入侵物发起非接触干扰，直到所述入侵物发生飞行状态变化为止。