1.一种基于神经网络的二阶段OFDM系统的定时同步方法，其特征在于，包括：S1、根据学习最强路径的第一神经网络进行路径特征初始提取，获得可分辨最强路径上的第一阶段定时同步辅助点 完成OFDM系统的第一阶段定时同步；

步骤S1所述的第一神经网络进一步包括：S11、构建一维卷积神经网络进行特征抽取，形成第一神经网络；

所述第一神经网络有L1个卷积层，并根据工程经验设置L1的取值大小；

S12、第一神经网络的输入是长度为M的观察信号y；

S13、第一神经网络训练的标签为最强路径对应的定时偏移τ0；

所述第一神经网络的感受野为2N，其中，N为训练序列的长度；

所述观察信号y的长度M大于训练序列的长度N，并根据工程经验设置观察长度M；

所述感受野为一维卷积神经网络的卷积核的大小；

S14、根据第一神经网络的特征抽取结果，获取可分辨最强路径对应的第一阶段定时同步辅助点S2、根据第一阶段定时同步辅助点 的辅助，获取第二阶段的观察窗，并在此基础上构建第二神经网络，寻找首达路径，完成OFDM系统的第二阶段定时同步，得到第二阶段定时同步偏移步骤S2所述的第二神经网络进一步包括：S21、构建一维卷积神经网络，形成第二神经网络，并在第一神经网络辅助的观察窗内进行特征抽取；

所述第二神经网络有L2个卷积层，并根据工程经验设置L2的取值大小；

S22、第二神经网络输入是观察窗长度为Nu的截取信号z；

所述Nu满足Nu＝N+Ng，其中，Ng表示OFDM系统中保护间隔的长度；

S23、第二神经网络训练的标签为最强路径对应的定时偏移τ0与首达路径的定时偏移τ两者之间的差值；

所述第二神经网络的感受野为2N；

S24、根据第二神经网络的特征抽取结果，获取第二阶段定时同步偏移S3、根据第一阶段定时同步辅助点 和第二阶段定时同步偏移 利用融合判决模块完成OFDM系统定时同步，得到定时同步偏移估计值步骤S3所述的判决模块进一步包括：

S31、根据第一阶段定时同步辅助点 和第二阶段定时同步偏移 得到定时同步偏移估计值S32、判断定时同步偏移估计值 是否出现在 内，若出现在上述范围内，则输出当前定时同步偏移估计值 否则，

2.根据权利要求1所述的一种基于神经网络的二阶段OFDM系统的定时同步方法，其特征在于，S22中长度为Nu的截取信号z的截取方式进一步包括：(a)根据第一阶段定时同步辅助点 从观察信号y的 样本索引向左搜索Ng长度得到截取数据起始点(b)根据截取数据起始点 和观察信号y，从截取数据起始点 截取长度为Nu的截取信号z；

所述截取信号z具体表示为 其中，为截取数据起始点， 为第一阶段定时同步辅助点，N为训练序列长度。