1.一种基于IfnoGAN和SSD模型的微地震有效信号的识别方法，其特征在于，所述方法包括以下步骤：S1、根据微地震原始数据集中不同的原始信号，进行初步分离出信号和噪音；

S2、将初步处理后的微地震原始数据集输入IfnoGAN中，通过IfnoGAN中的生成器在无监督条件下通过最大互信息化提取有效特征；

S3、根据生成器中的隐编码，分类器中提取出特征，再利用生成器和判别器的相互博弈过程，生成与原始数据集相似度高且精确度不小于设定阈值的数据集；

S4、根据步骤S3中生成的大于设定阈值的数据集与原始数据集组成SSD模型的训练集，并将所述训练集中的信号进行标记，将标记后的训练集输入SSD预训练模型中并结合步骤S2中提取的特征进行充分训练，由此准确识别出有效信号；

S5、重复执行步骤S4，通过再次的训练对信号和噪声进行有效识别，并利用SSD模型框出有效信号，从而检测出有效信号。

2.根据权利要求1所述一种基于IfnoGAN和SSD模型的微地震有效信号的识别方法，其特征在于，所述步骤S2中原始数据集输入IfnoGAN中，将获得生成器G(z,c),其中Z为随机噪音且不可压缩，C为隐编码。

3.根据权利要求2所述一种基于IfnoGAN和SSD模型的微地震有效信号的识别方法，其特征在于，所述生成器提取的有效特征存储于隐编码C中。

4.根据权利要求3所述一种基于IfnoGAN和SSD模型的微地震有效信号的识别方法，所述步骤S3包括以下步骤：S31、生成器生成图片，生成器中的隐编码C输入IfnoGAN的分类器中进行解码后，提取出有效特征；

S32、所述生成的图片输入IfnoGAN的判别器中进行评判同时反馈至生成器，通过生成器与判别器之间的相互作用，生成和原始数据集相似度高的数据集，并检测数据集的精确度。

5.根据权利要求3所述一种基于IfnoGAN和SSD模型的微地震有效信号的识别方法，所述步骤S32中，数据集的精确度阈值根据需要进行设定。

6.一种基于IfnoGAN和SSD模型的微地震有效信号的识别系统，其特征在于，所述系统包括初始模块、提取模块、生成模块、训练模块以及识别模块；

初始模块，用于根据微地震原始数据集中不同的原始信号，进行初步分离出信号和噪音；

提取模块，用于将初步处理后的微地震原始数据集输入IfnoGAN中，通过IfnoGAN中的生成器在无监督条件下通过最大互信息化提取有效特征；

生成模块，用于根据生成器中的隐编码，分类器从中提取出特征，再利用生成器与判别器的相互博弈过程，生成与原始数据集相似度高且精确度不小于设定阈值的数据集；

训练模块，用于根据生成模块中生成的大于设定阈值的数据集与原始数据集组成SSD模型的训练集，并将所述训练集中的信号进行标记，将标记后的训练集输入SSD预训练模型中并结合提取模块中提取的特征进行充分训练，由此准确识别出有效信号；

识别模块，用于重复执行训练模块，通过再次的训练对信号和噪声进行有效识别，并利用SSD模型框出有效信号，从而检测出有效信号。