1.一种弹性光网络中的关键参数联合监测方法，其特征在于，包括以下步骤：S1、在弹性光网络系统中，通过相干接收机对双偏振高阶调制格式信号进行光电转换和模数转换，对转换后信号进行数字信号预处理，并根据预处理后的信号生成为信号星座图；

S2、对生成的信号星座图进行数字图像预处理；

S3、对预处理后的信号星座图进行拉东变换，获得对应的三基色图像；

S4、根据获取的三基色图像，通过多任务神经网络模型实现关键多参数的联合识别及监测。

2.根据权利要求1所述的弹性光网络中的关键参数联合监测方法，其特征在于，所述步骤S2具体为：

对信号星座图依次进行灰度化、边缘化检测及下采样处理。

3.根据权利要求2所述的弹性光网络中的关键参数联合监测方法，其特征在于，所述步骤S3中，进行拉东变换的公式为：式中，R(ρ,θ)为拉东变换图，δ(·)为狄拉克函数，ρ为从原点到投影直线的距离，θ为投影角度，即法向距离与x的夹角，I'(x,y)为接收信号的星座图。

4.根据权利要求2所述的弹性光网络中的关键参数联合监测方法，其特征在于，所述投影角度θ的取值范围为0°到180°。

5.根据权利要求3所述的弹性光网络中的关键参数联合监测方法，其特征在于，所述步骤S4中的多任务神经网络模型包括依次连接的输入单元、共享参数单元和子任务单元；

其中，所述输入单元的输入为三基色图像；

所述共享参数单元包括依次连接的2个卷积核大小为5*5的卷积层、滑动窗口大小为2*

2的池化层、平坦层和2个全连接层；

所述子任务单元包括5个子任务层，且各个子任务层结构相同，均为2个全连接层；5个子任务层对应的任务分别为波特率识别、调制格式识别、色度色散识别、差分群时延监测和光信噪比监测，其中，波特率识别、调制格式识别和色度色散识别均为分类任务，差分群时延监测和光信噪比监测为回归任务。

6.根据权利要求3所述的弹性光网络中的关键参数联合监测方法，其特征在于，所述波特率识别、调制格式识别和色度色散识别对应的各个输出层中，均使用softmax激活函数将其多分类任务神经元的输出映射到(0,1)区间内进行分类，其损失函数为交叉熵函数；

其中，交叉熵函数Lk的表达式为：式中，下标k为子任务索引号，k＝1,2,3，M为接收符号的总数，下标i为符号的索引号，为预测概率值，yi为任务的标签。

7.根据权利要求6所述的弹性光网络中的关键参数联合监测方法，其特征在于，所述差分群时延监测和光信噪比监测对应的各输出层中，使用的激活函数及损失函数分别为linear函数及平均绝对误差函数；

其中，平均绝对误差函数LMAE的表达式为：

8.根据权利要求7所述的弹性光网络中的关键参数联合监测方法，其特征在于，所述多任务神经网络模型的总损失函数L为：L＝λ1L1+λ2L2+λ3L3+λ4L4,MAE+λ5L5,MAE式中，L1,L2,L3分别为波特率识别、调制格式识别和色度色散识别对应的各子任务层的损失函数，λ1,λ2,λ3分别为波特率识别、调制格式识别调制格式识别和色度色散识别对应的各子任务层的损失函数的权重系数，L4,MAE，L5,MAE分别为差分群时延监测和光信噪比监测对应的各子任务层的损失函数，λ4,λ5分别为差分群时延监测和光信噪比监测对应的各子任务层损失函数的权重系数。