1.一种基于融合特征的无线网络设备识别方法，其特征在于，包括以下步骤：S1、利用软件无线电设备捕获无线网络设备的无线电信号，对无线电信号进行信号滤波及低噪声放大，得到预处理后的无线电信号；

S2、将预处理后的无线电信号通过模数转换得到数据包的字节流信息，在原始字节流的基础上，根据无线网络协议要求分离数据包，提取数据包的有效特征并输入训练后的分类模型识别，得到分类模型根据数据包特征识别出的结果；

S3、对原始无线电信号经过信号变换后进行特征提取工作，在原始特征的基础上构造出新的特征即信号射频指纹并输入训练后的分类模型识别，得到分类模型根据射频指纹识别出的结果；

S4、将分类模型根据数据包特征识别出的结果和根据射频指纹识别出的结果进行融合，利用两次识别的结果识别设备类型，在已获得设备类型的基础上根据射频指纹识别具体设备固件信息，得到最终分类结果，实现设备固件识别。

2.根据权利要求1所述的一种基于融合特征的无线网络设备识别方法，其特征在于，步骤S2中，信号滤波和低噪声放大的步骤包括：去除收集的无线信号中包含的无用噪声部分，使去噪后的样本保留无线网络频段的信号；根据无线网络信号特点选择相应的滤波器，选择噪声系数低于2dB、增益系数大于32dB的低噪声放大器抑制噪声，得到预处理后的无线电信号。

3.根据权利要求1所述的一种基于融合特征的无线网络设备识别方法，其特征在于，步骤S2中，将预处理后的无线电信号通过模数转换得到数据包的字节流信息包括：采样，在模数转换期间保持输入信号稳定获得信号的高低电平；采样之后保持当前电平情况，输入信号为经过步骤S1预处理后的无线电信号，采样后得到的信号为模拟信号；

量化，将模拟信号分为很多小份来组成数字量以便数字系统识别；

编码，将离散电平值编码为二进制数字，得到数据包的字节流信息。

4.根据权利要求1所述的一种基于融合特征的无线网络设备识别方法，其特征在于，步骤S3中，在原始特征的基础上构造出的信号射频指纹包括基于瞬态的射频指纹和基于稳态的射频指纹。

5.根据权利要求1所述的一种基于融合特征的无线网络设备识别方法，其特征在于，训练后的分类模型根据数据包的有效特征识别设备的厂商、型号；训练后的分类模型根据信号射频指纹特征识别设备是否为已授权设备，识别出具体设备固件信息。

6.根据权利要求1所述的一种基于融合特征的无线网络设备识别方法，其特征在于，所述分类模型为三层深度神经网络模型，分类模型利用已有无线网络设备的数据包集合训练，训练过程包括：采集大量的无线网络设备的数据包，得到无线网络设备数据包集合，从中提取数据包的特征；将设备数据包特征集合送入深度神经网络DNN，利用三层神经网络进行识别，得到识别结果；利于识别结果的误差作为损失函数，并且利用DNN的反向传播算法BP训练参数；参数训练完毕后，用softmax函数激活，得到训练好的分类模型。

7.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1～

6任一项所述无线网络设备识别方法的步骤。

8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1～6任一项所述无线网络设备识别方法的步骤。