1.一种基于神经网络算法的多功能雷达工作模式识别方法，其特征在于，具体识别方法步骤如下：

步骤一：技术负责人进行识别方案会审，提出疑问并解答，技术人员编制专项识别方案和注意细节，并且向工作人员进行技术交底；

步骤二：初始化网络：神经网络的初始化需要确定输入层、隐含层以及输出层各层神经元的个数，还需要对输入层与隐含层、隐含层与隐含层、隐含层与输出层之间的连接权值和阈值进行赋值；

步骤三：信号的向前传播：在BP神经网络中，以只含有中间一层隐含层的神经网络为例，信号向前传播包括输入层到隐含层、隐含层到输出层之间的传播两个部分；

步骤四：误差的反向传播：首先要根据网络的期望输出与步骤三中网络预测输出计算当前网络的预测误差，根据计算的神经网络预测误差对网络中的连接权值和阈值分别进行更新；

步骤五：终止条件判断：判断是否满足初始化的BP神经网络终止条件，若不满足返回第二步继续迭代过程；

步骤六：工作人员对雷达工作模式的参数进行统计且工作模式的参数包括重复周期(μs)、中心频率(GHz)和脉冲占空比；

步骤七：按照上述指标，随机生成1000个包含重复周期、中心频率和脉冲占空比的雷达工作模式数据，并用重复周期和占空比的乘积作为雷达的脉宽信息，这样就得到了一组包含1000个随机生成的辐射源描述字(包含重复周期、中心频率和脉冲宽度)的原始数据集；

步骤八：考虑到雷达脉冲信号在传输过程中会出现脉冲丢失、同时还会受到周围其他电磁辐射源和地杂波、海杂波等环境因素的干扰，实际接收到的雷达脉冲信号的各个参数会与辐射源描述字的原始数据集略有不同，根据雷达的实际工作的性能指标和对外界电磁环境的综合评估，得到的雷达脉冲信号进行收集并记录，对实际测量的各个雷达信号的工作模式进行识别。

2.根据权利要求1所述的一种基于神经网络算法的多功能雷达工作模式识别方法，其特征在于：所述步骤一中进行技术交底的交底资料应该双方签字后归档并且备案保存。

3.根据权利要求1所述的一种基于神经网络算法的多功能雷达工作模式识别方法，其特征在于：所述步骤二中明确神经网络的神经元激励函数、学习速率以及BP神经网络训练停止的条件。

4.根据权利要求1所述的一种基于神经网络算法的多功能雷达工作模式识别方法，其特征在于：所述步骤三中输入层到隐含层之间的传播即根据网络的输入层的输入变量计算隐含层的输出，同理，隐含层到输出层之间的传播即根据隐含层的输出计算得到神经网络预测的最终输出。

5.根据权利要求1所述的一种基于神经网络算法的多功能雷达工作模式识别方法，其特征在于：所述步骤六中雷达工作模式包括全空域搜索模式、近程监视模式、近程跟踪模式、近程制导模式、远程监视模式、远程跟踪模式和远程制导模式。

6.根据权利要求1所述的一种基于神经网络算法的多功能雷达工作模式识别方法，其特征在于：所述步骤八中对辐射源描述字中的参数做如下的噪声处理：(1)、重复周期：以原始数据集中的重复周期为数据中心，以0.02为标准差的高斯分布随机得到一个实际重复周期；(2)、中心频率：以原始数据集中的中心频率为数据中心，以±1MHz为偏差的均匀分布得到一个实际中心频率；(3)、脉冲宽度：以原始数据集中的脉冲宽度为数据中心，以0.01为标准差的高斯分布得到一个实际脉冲宽度。

7.根据权利要求1所述的一种基于神经网络算法的多功能雷达工作模式识别方法，其特征在于：所述步骤五中对BP神经网络输入层与隐含层、隐含层与输出层之间的连接权值和阈值分别做随机初始化。