1.一种基于标签设计的机器学习时间同步方法，其特征在于：包括：S1根据时间同步偏移值集合和统计信道模型，生成信道冲激响应长度集合和接收信号集合；

S2根据所述信道冲激响应长度集合，构造标注数据集合；

S3根据所述时间同步偏移值集合和所述标注数据集合，形成标签数据集合；

S4根据所述标签数据集合及所述接收信号集合，训练时间同步网络，获得网络参数；

S5将完成训练后的所述时间同步网络进行在线运行，通过输入的接收信号得到对应的时间同步偏移估计值；

其中，所述时间同步网络为ELM网络。

2.根据权利要求1所述的时间同步方法，其特征在于：步骤S1中，所述信道冲击响应长度集合通过以下过程生成：

S11根据在0到最大时间同步偏移值之间的均匀分布随机生成多个时间同步偏移值样本；

S12根据统计信道模型，生成与所述时间同步偏移值样本的数量相等的多个信道冲激响应长度，并由其组成所述信道冲击响应长度集合。

3.根据权利要求1所述的时间同步方法，其特征在于：步骤S1中，所述接收信号集合通过以下过程生成：

S13根据发射信号，所述时间同步偏移值样本及所述统计信道模型，通过信号传输模型获得与时间同步偏移值样本数量相等的多个接收信号，并由其组成所述接收信号集合。

4.根据权利要求3所述的时间同步方法，其特征在于：所述统计信道模型选自Rayleigh衰落信道模型，Nakagami衰落信道模型或Rice衰落信道模型；和/或所述发射信号为BPSK调制信号、QPSK调制信号或m‑QAM调制信号。

5.根据权利要求3所述的时间同步方法，其特征在于：所述信号传输模型如下：yi＝f(θi,Li,x)；

其中，yi表示所述接收信号，θi表示根据0到最大时间同步偏移值θmax之间的均匀分布U(0,θmax)随机生成的元素个数为Nt的时间同步偏移值集合 中的第i个时间同步偏移值，Li表示根据统计信道模型生成的元素个数为Nt的信道冲激响应长度集合中的第i个响应长度，x表示所述发射信号，f(·)表示卷积函数。

6.根据权利要求5所述的时间同步方法，其特征在于：所述步骤S2中，所述标注数据集合通过以下模型获得：

K≥max{Li}+1；

其中，D表示所述标注数据集合、Di表示其中第i个标注数据，Li表示所述信道冲激响应长度、max{Li}表示其组成的信道冲激响应长度集合L中的最大值，K表示所述标注数据集合的长度、在满足以上条件的基础下根据工程经验设置，a和b分别表示放缩因子和平移截距、根据工程经验和实际需要设置，exp(·)表示基底为自然常数的指数函数，n表示下标索引。

7.根据权利要求6所述的时间同步方法，其特征在于：所述步骤S3中，所述标签数据集合通过以下模型获得：

M≥θmax+K；

其中，Ti表示所述标签数据集合T中的第i个标签数据，M表示表示为最大可能的时间同步偏移值的搜索范围、在满足以上条件的基础下根据工程经验设置。

8.根据权利要求7所述的时间同步方法，其特征在于：所述步骤S4包括：S41构造包括一个输入层、一个隐藏层及一个输出层的ELM网络，作为所述时间同步网络，其中，所述输入层的神经元个数为N，所述隐藏层的神经元个数为 所述输出层的神经元个数为M；

S42通过均值为0、方差为1的复数高斯正态分布 随机生成所述时间同步网络中隐藏层的输入权值矩阵 和其偏倚向量 并对偏倚向量b进行扩展，得到偏倚矩阵 其中， 表示 维复数集合；N表示所述接收信号的长度； 表示隐藏层节点数；

S43通过以下模型得到所述时间同步网络输出层的输出权值矩阵β，如下：其中，σ(·)表示tanh激活函数， 表示Moore‑Penrose伪逆运算。

9.根据权利要求8所述的时间同步方法，其特征在于：所述步骤S5包括：S51在线接收长度为N的接收信号S52将所述接收信号yonline输入到已训练好的所述时间同步网络模型中，得到输出向量T

O＝[O1,O2,…,On,…,OM]，如下：O＝β·σ(W·yonline+b)，其中，On表示网络输出层的第n个神经元节点的输出；

S53根据所述输出向量O，通过寻找其平方最大的位置索引，根据以下模型得到时间同步偏移估计值