1.一种用于水泵的EMC电磁兼容性测试系统，其特征在于，包括：电磁干扰信号采集单元，用于获取由信息技术设备采集的待检测水泵在预定工作时段内产生的电磁干扰信号；降噪单元，用于将所述电磁干扰信号通过作为降噪器的深度可分离卷积神经网络以得到降噪后电磁干扰信号，其中，所述深度可分离卷积神经网络在其卷积操作中不同层的滤波器用于分别在两个空间维度和通道维度上进行卷积以基于三维块匹配和过滤对所述电磁干扰信号的波形图进行降噪；波形特征提取单元，用于将所述降噪后电磁干扰信号通过作为波形特征提取器的第二卷积神经网络以得到第一特征向量；工作状态数据获取单元，用于获取所述待检测水泵在所述预定工作时段内的多个预定时间点的工作状态数据，所述工作状态数据包括流量、压力、电参数、转速、电阻和温度；矩阵构造单元，用于将所述多个预定时间点的工作状态数据按照时间和样本维度排列为工作状态矩阵后通过作为状态特征提取器的第三卷积神经网络以得到第二特征向量；特征向量融合单元，用于对所述第一特征向量和所述第二特征向量进行基于特征空间迁移的融合以得到分类特征矩阵，其中，所述基于特征空间迁移的融合基于所述第一特征向量乘以所述第二特征向量的转置所得到的特征矩阵按矩阵位置除以所述第一特征向量乘以所述第二特征向量的转置所得到的特征矩阵的Frobenius范数来进行；以及测试结果生成单元，用于将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示待检测水泵工作时产生的电磁干扰是否满足预设要求。2.根据权利要求1所述的用于水泵的EMC电磁兼容性测试系统，其中，所述波形特征提取单元，进一步用于：使用作为波形特征提取器的所述第二卷积神经网络的各层在层的正向传递中对输入数据进行卷积处理、沿特征矩阵的池化处理和激活处理以由所述第一卷积神经网络的最后一层生成所述第一特征向量，其中，所述第一卷积神经网络的第一层的输入为所述降噪后电磁干扰信号。3.根据权利要求2所述的用于水泵的EMC电磁兼容性测试系统，其中，所述矩阵构造单元，进一步用于：将所述多个预定时间点的工作状态数据排列为行向量；将所述各个时间点的行向量按照时间维度排列为二维的所述工作状态矩阵；以及，使用作为状态特征提取器的所述第三卷积神经网络的各层在层的正向传递过程中对所述工作状态矩阵进行卷积处理、沿特征矩阵的池化处理和激活处理以由所述第三卷积神经网络的最后一层输出所述第二特征向量。4.根据权利要求3所述的用于水泵的EMC电磁兼容性测试系统，其中，所述特征向量融合单元，进一步用于：以如下公式对所述第一特征向量和所述第二特征向量进行基于特征空间迁移的融合以得到所述分类特征矩阵；其中，所述公式为：其中V1表示所述第一特征向量，V2表示所述第二特征向量，V1和V2均为列向量的形式，且||·||F表示矩阵的Frobenius范数。

5.根据权利要求4所述的用于水泵的EMC电磁兼容性测试系统，其中，所述测试结果生成单元，进一步用于：所述分类器以如下公式对所述分类特征矩阵进行处理以生成分类结果，其中，所述公式为：softmax{(Wn,Bn):…:(W1,B1)|Project(F)}，其中Project(F)表示将所述分类特征矩阵投影为向量，W1至Wn为各层全连接层的权重矩阵，B1至Bn表示各层全连接层的偏置矩阵。6.一种用于水泵的EMC电磁兼容性测试系统的测试方法，其特征在于，包括：获取由信息技术设备采集的待检测水泵在预定工作时段内产生的电磁干扰信号；将所述电磁干扰信号通过作为降噪器的深度可分离卷积神经网络以得到降噪后电磁干扰信号，其中，所述深度可分离卷积神经网络在其卷积操作中不同层的滤波器用于分别在两个空间维度和通道维度上进行卷积以基于三维块匹配和过滤对所述电磁干扰信号的波形图进行降噪；将所述降噪后电磁干扰信号通过作为波形特征提取器的第二卷积神经网络以得到第一特征向量；获取所述待检测水泵在所述预定工作时段内的多个预定时间点的工作状态数据，所述工作状态数据包括流量、压力、电参数、转速、电阻和温度；将所述多个预定时间点的工作状态数据按照时间和样本维度排列为工作状态矩阵后通过作为状态特征提取器的第三卷积神经网络以得到第二特征向量；对所述第一特征向量和所述第二特征向量进行基于特征空间迁移的融合以得到分类特征矩阵，其中，所述基于特征空间迁移的融合基于所述第一特征向量乘以所述第二特征向量的转置所得到的特征矩阵按矩阵位置除以所述第一特征向量乘以所述第二特征向量的转置所得到的特征矩阵的Frobenius范数来进行；以及将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示待检测水泵工作时产生的电磁干扰是否满足预设要求。7.根据权利要求6所述的用于水泵的EMC电磁兼容性测试系统的测试方法，其中，将所述降噪后电磁干扰信号通过作为波形特征提取器的第二卷积神经网络以得到第一特征向量，包括：使用作为波形特征提取器的所述第二卷积神经网络的各层在层的正向传递中对输入数据进行卷积处理、沿特征矩阵的池化处理和激活处理以由所述第一卷积神经网络的最后一层生成所述第一特征向量，其中，所述第一卷积神经网络的第一层的输入为所述降噪后电磁干扰信号。8.根据权利要求7所述的用于水泵的EMC电磁兼容性测试系统的测试方法，其中，将所述多个预定时间点的工作状态数据按照时间和样本维度排列为工作状态矩阵后通过作为状态特征提取器的第三卷积神经网络以得到第二特征向量，包括：将所述多个预定时间点的工作状态数据排列为行向量；将所述各个时间点的行向量按照时间维度排列为二维的所述工作状态矩阵；以及使用作为状态特征提取器的所述第三卷积神经网络的各层在层的正向传递过程中对所述工作状态矩阵进行卷积处理、沿特征矩阵的池化处理和激活处理以由所述第三卷积神经网络的最后一层输出所述第二特征向量。9.根据权利要求8所述的用于水泵的EMC电磁兼容性测试系统的测试方法，其中，对所述第一特征向量和所述第二特征向量进行基于特征空间迁移的融合以得到分类特征矩阵，包括：以如下公式对所述第一特征向量和所述第二特征向量进行基于特征空间迁移的融合以得到所述分类特征矩阵；其中，所述公式为：

其中V1表示所述第一特征向量，V2表示所述第二特征向量，V1和V2均为列向量的形式，且||·||F表示矩阵的Frobenius范数。10.根据权利要求8所述的用于水泵的EMC电磁兼容性测试系统的测试方法，其中，将所述分类特征矩阵通过分类器以得到分类结果，包括：所述分类器以如下公式对所述分类特征矩阵进行处理以生成分类结果，其中，所述公式为：softmax{(Wn,Bn):…:(W1,B1)|Project(F)}，其中Project(F)表示将所述分类特征矩阵投影为向量，W1至Wn为各层全连接层的权重矩阵，B1至Bn表示各层全连接层的偏置矩阵。