1.一种雷达‑飞行器体系对抗仿真置信度评估方法，其特征在于，所述雷达‑飞行器体系对抗仿真置信度模型包括：输入层、自编码层、Flatten向量拼接层和Dense神经网络层；所述输入层包括：仿真民用飞行器系统和仿真雷达系统；所述仿真民用飞行器系统包括多个功能不同但彼此相互关联的仿真民用飞行器子系统，所述仿真雷达系统包括多个功能不同但彼此相互关联的仿真雷达子系统；所述自编码层包括：仿真民用飞行器系统自编码模型和仿真雷达系统自编码模型；

所述评估方法包括如下步骤：

s1、运行所述仿真民用飞行器系统，测量并获取各仿真民用飞行器子系统的时序空间位置指标、数据处理指标和战技指标，将上述时序空间位置指标、数据处理指标和战技指标合并为一个向量；重复运行所述仿真民用飞行器系统并获取多个不同的向量，所述多个不同的向量组成仿真民用飞行器系统飞行状态综合指标矩阵；

运行所述仿真雷达系统，测量并获取各仿真雷达子系统的信号频率、雷达高度、水平角度和俯仰角度，将上述信号频率、雷达高度、水平角度和俯仰角度合并为一个向量；重复运行所述仿真雷达系统并获取多个不同的向量，多个不同的向量组成仿真雷达系统状态与测量综合指标矩阵；

将所述仿真民用飞行器系统飞行状态综合指标矩阵和所述仿真雷达系统状态与测量综合指标矩阵作为所述体系对抗仿真置信度评估模型的输入数据，然后基于层次分析法人工对输入数据做初步置信度评估；

s2、将所述仿真民用飞行器系统飞行状态综合指标矩阵输入所述仿真民用飞行器系统自编码模型并输出仿真民用飞行器系统指标向量，重复执行上述操作直至所述输出的仿真民用飞行器系统指标向量跟所述仿真民用飞行器系统飞行状态综合指标矩阵中行向量之间的误差损失函数的值小于指定阈值时，停止训练操作；提取所述仿真民用飞行器系统自编码模型中从第一层到维度最低的Dense层之间的中间层，并将其作为所述仿真民用飞行器系统指标向量的降维模型M攻；

将所述仿真雷达系统状态与测量综合指标矩阵输入所述仿真雷达系统自编码模型并输出仿真雷达系统指标向量，重复执行上述操作直至所述输出的仿真雷达系统指标向量跟所述仿真雷达系统状态与测量综合指标矩阵中行向量之间的误差损失函数的值小于指定阈值时，停止训练操作；提取所述仿真雷达系统自编码模型中从第一层到维度最低的Dense层之间的中间层，并将其作为所述仿真雷达系统指标向量的降维模型M防；

s3、将所述仿真民用飞行器系统飞行状态综合指标矩阵输入所述仿真民用飞行器系统指标向量的降维模型M攻，并输出所述仿真民用飞行器系统指标向量的降维表示矩阵V1；将所述仿真雷达系统状态与测量综合指标矩阵输入所述仿真雷达系统指标向量的降维模型M防，并输出所述仿真雷达系统指标向量的降维表示矩阵V2；

s4、将上述步骤得到的所述仿真民用飞行器系统指标向量的降维表示矩阵V1和所述仿真雷达系统指标向量的降维表示矩阵V2输入所述Flatten向量拼接层，并将所述仿真民用飞行器系统指标向量的降维表示矩阵V1和所述仿真雷达系统指标向量的降维表示矩阵V2水平拼接为矩阵V；

s5、采集真实民用飞行器系统和真实雷达系统在对抗实验中的实际测量指标数据并分别将其输入所述仿真民用飞行器系统指标向量的降维模型M攻和所述仿真雷达系统指标向量的降维模型M防，再分别输出真实民用飞行器系统指标向量的降维表示矩阵V1实和真实雷达系统指标向量的降维表示矩阵V2实；将所述V1实和V2实输入所述Flatten向量拼接层，并将所述V1实和V2实水平拼接为V实；

s6、计算深层网络的注意力值Attention；

s7、训练所述Dense神经网络层：将上述步骤中计算出的矩阵V和注意力值Attention输入所述Dense神经网络层，并训练多层网络模型拟合体系对抗仿真结果的置信度，完成所述Dense神经网络层的参数矩阵对体系对抗时各因素的影响与权重关系的间接学习；

s8、重复执行上述步骤s4至s7，迭代训练所述Flatten向量拼接层和所述Dense神经网络层组成的置信度预测模型，直至预测准确率达到预先设定的准确率阈值，停止训练并将此时从自编码层到Dense层的完整模型以二进制的形式保存；

S9、将新采集的仿真实验数据输入上述保存的完整模型预测置信度。

2.根据权利要求1所述的雷达‑飞行器体系对抗仿真置信度评估方法，其特征在于，所述步骤s1中所述仿真民用飞行器系统和所述仿真雷达系统重复运行的次数不少于500次。

3.根据权利要求1所述的雷达‑飞行器体系对抗仿真置信度评估方法，其特征在于，所述步骤s2中的误差损失函数Loss(x，y)采用交叉熵函数计算，公式如下：其中，x为输入的原始指标向量，y为自编码模型输出的指标向量，xi和yi为具体指标向量中的分量，d为向量维度。

4.根据权利要求1所述的雷达‑飞行器体系对抗仿真置信度评估方法，其特征在于，所述步骤s6中注意力值Attention的计算公式如下：其中，softmax为回归函数，Wj表示步骤s4中矩阵V中的一个行向量，n表示同一批次输入的矩阵V中的行向量Wj的数量，j＝1，2，…n，dist(Wj，V实)为Wj和V实之间的余弦距离，e为自然常数。