1.一种基于LSTM神经网络的目标意图反演方法，其特征在于，包括以下步骤：S1、构建目标意图活动场景；

S2、基于所述步骤S1构建的活动场景获取活动场景数据信息，从中提取多时刻特征信息，组成特征信息数据集；

S3、根据所述步骤S2得到的特征信息数据集构造意图识别知识图谱；

S4、根据所述步骤S3构造的意图识别知识图谱构造行为特征-意图关系数据集；

S5、根据所述步骤S4构造的行为特征-意图关系数据集训练基于LSTM神经网络的意图识别模型；

S6、利用所述步骤S5训练好的意图识别模型进行目标意图反演。

2.如权利要求1所述的一种基于LSTM神经网络的目标意图反演方法，其特征在于，所述步骤S1具体包括：构建预设大小和形状的固定场景，其中存在多个携带雷达在固定场景中自由移动的目标，多个目标携带的雷达形成组网，共同实现战术意图。

3.如权利要求2所述的一种基于LSTM神经网络的目标意图反演方法，其特征在于，所述步骤S2包括以下分步骤：S21、利用战场上的雷达设备和检测设备获取活动场景数据信息；

S22、从所述步骤S21获取的活动场景数据信息中提取多时刻特征信息，组成特征信息数据集。

4.如权利要求3所述的一种基于LSTM神经网络的目标意图反演方法，其特征在于：所述特征信息数据集包括外部检测状态特征和电磁行为数据特征；

所述外部检测状态特征包括目标集群行进速度、组网目标活动方位和组网目标活动阵型信息；

所述电磁行为数据特征包括时间序列、组网雷达序列特征、波段RF、平均功率P、功率峰值数量Pn和脉宽PW。

5.如权利要求4所述的一种基于LSTM神经网络的目标意图反演方法，其特征在于，所述步骤S22具体包括：设定步骤S21获取的活动场景数据信息中目标为固定意图集，对固定意图集进行特征分析，构建目标意图与特征信息的映射关系。

6.如权利要求5所述的一种基于LSTM神经网络的目标意图反演方法，其特征在于，所述步骤S3包括以下分步骤：S31、设定固定意图集为结果实体，特征信息数据集为条件实体；

S32、根据条件实体和结果实体的映射关系，确定实体关系数据集；

S33、通过关系数据集建立意图识别知识图谱。

7.如权利要求6所述的一种基于LSTM神经网络的目标意图反演方法，其特征在于，所述步骤S33中建立的意图识别知识图谱的识别过程公式为：其中，s为意图识别结果，T为时间集合，D为敌方行为集合，R为识别过程。

8.如权利要求7所述的一种基于LSTM神经网络的目标意图反演方法，其特征在于，所述步骤S4具体为：将条件实体作为并列条件，对意图识别知识图谱中行为特征-意图的二元关系路径进行并行推导，得到行为特征-意图的关系数据集；对指向多个意图的推导结果，采用统计条件实体方法计算分别指向每一个结果实体的概率。

9.如权利要求8所述的一种基于LSTM神经网络的目标意图反演方法，其特征在于，所述步骤S4中计算分别指向每一个结果实体的概率的计算公式为：其中， 为意图i所占的概率，j为并列的条件实体，n为并列的条件实体的个数，i为结果实体，m为结果实体的个数， 为第j个条件实体指向第i个结果实体的概率。

10.如权利要求9所述的一种基于LSTM神经网络的目标意图反演方法，其特征在于，所述步骤S5中基于LSTM神经网络的意图识别模型的LSTM神经网络结构具体为：其中 为LSTM神经网络的输入， 为LSTM神经网络的输出，为输入门向量， 为遗忘门向量， 为输出门向量， 为临时状态向量， 为t时刻细胞激活向量， 为t时刻的隐藏向量，为sigmod函数， 为卷积运算， 为可训练的向量形式的参数，、 、 、 、 、 、 和 为权重。