1.一种基于1D‑CNN多域特征融合的OFDM雷达信号识别方法，其特征在于，包括以下步骤：步骤1：采用两路一维卷积神经网络结构对OFDN雷达信号进行特征学习，分别学习OFDM雷达信号的时域和频域特征；

学习时域特征的网络结构具体为：输入层、卷积层、池化层、卷积层、

GlobalAveragePooling1D、全连接层、Dropout；学习频域特征的网络结构具体为：输入层、Lambda、卷积层、池化层、卷积层、GlobalAveragePooling1D、全连接层、Dropout；所述Lambda层为定义的傅里叶变换层；

步骤2：将时域特征网络结构和频域特征网络结构学习到的OFDM雷达信号特征进行融合，形成多域特征融合网络结构；

步骤3：将OFDM雷达信号数据集，输入到多域特征融合网络结构中进行模型训练，通过训练得到雷达信号分类模型；

步骤4：将步骤3中训练得到的雷达信号分类模型，植入到工控计算机中，通过该模型实现真实环境的OFDM雷达信号调制方式识别。

2.根据权利要求1所述的一种基于1D‑CNN多域特征融合的OFDM雷达信号识别方法，其特征在于，所述步骤2具体为：将时域特征和频域特征进行融合，融合的方式是通过Add层做加法；然后连接全连接层、Dropout、输出层。

3.根据权利要求1或2所述的一种基于1D‑CNN多域特征融合的OFDM雷达信号识别方法，其特征在于，所述Dropout层为防止网络的过拟合。

4.根据权利要求1所述的一种基于1D‑CNN多域特征融合的OFDM雷达信号识别方法，其特征在于，所述OFDM雷达信号包括PSK‑OFDM雷达信号、LFM‑OFDM雷达信号和MLFM‑OFDM雷达信号三类。