1.一种基于小样本学习的无线频谱状态图像分类方法，其特征在于，所述方法包括：将地理区域划分为Q个网格；对该地理区域在一定时间内获取不同信噪比下的无线频谱观测能量矩阵以及对应的状态标签，得到无线频谱状态数据集及其对应的标签集；

对所述的频谱状态数据集及对应的标签集分别进行随机采样，可以获得：训练集支持集Str，训练集查询集Qtr，测试集支持集Ste，以及测试集查询集Qte；

将所述训练集支持集Str与训练集查询集Qtr输入到嵌入模块，得到各个类别的张量集；

所述嵌入模块包括一个不带有全连接层的全卷积神经网络，所述全卷积神经网络包含三个卷积块，每个卷积块由一个卷积层、一个2×2最大池化层、一个批处理规范化层和一个激活函数ReLU层组成；

在所述训练集支持集Str张量集中，通过每个类别中距离最接近的K个张量计算所述训练集支持集Str的各个类别的类原型；

将所述类原型与所述训练集查询集Qtr张量集输入度量模块，进行相似性度量，得到小样本图像分类器。

2.根据权利要求1所述的一种基于小样本学习的无线频谱状态图像分类方法，其特征在于，在将所述训练集支持集Str与训练集查询集Qtr输入到嵌入模块之前，所述方法还包括：对所述训练集支持集Str和训练集查询集Qtr，进行插值补全。

3.根据权利要求1所述的一种基于小样本学习的无线频谱状态图像分类方法，其特征在于，所述嵌入模块，包括：一个不带有全连接层的全卷积神经网络，包含三个卷积块，每个卷积块由一个卷积层、一个2×2最大池化层、一个批处理规范化层和一个激活函数ReLU层组成；所述全卷积神经网络输出为h×w×d维的张量。

4.根据权利要求1所述的一种基于小样本学习的无线频谱状态图像分类方法，其特征在于，所述在所述训练集支持集Str张量集中通过每个类别中距离最接近的K个张量计算所述训练集支持集Str的各个类别的类原型，包括：将所述张量集中的张量看作长度为d的特征向量，尺寸为h×w维，在类别l中都寻找与其距离最近的K个特征向量；

根据所述K个特征向量，获得类别l的类原型。

5.根据权利要求1所述的一种基于小样本学习的无线频谱状态图像分类方法，其特征在于，所述将所述类原型与所述训练集查询集Qtr张量集输入度量模块，进行相似性度量，包括：计算所述训练集查询集Qtr张量集与所述类原型之间的相似性之和；

根据所述相似性之和作为所述训练集查询集Qtr样本与类别`之间的相似性。

6.根据权利要求1所述的一种基于小样本学习的无线频谱状态图像分类方法，其特征在于，在得到所述小样本图像分类器之后，所述方法还包括：将所述测试集支持集Ste和测试集查询集Qte输入所述小样本图像分类器中，使用该分类器执行分类任务，并输出分类结果作为无线频谱状态标签。

7.一种基于小样本学习的无线频谱状态图像分类装置，其特征在于，包括：

张量集处理单元，用于将训练集支持集Str与训练集查询集Qtr输入到嵌入模块，得到各个类别的张量集；

类原型处理单元，还用于在所述训练集支持集Str张量集中通过每个类别中距离最接近的K个张量计算所述训练集支持集Str的各个类别的类原型；

相似性度量处理单元，还用于将所述类原型与所述训练集查询集Qtr张量集输入度量模块，进行相似性度量；当向处理单元注入数据运行时，以使得所述图像分类装置执行如权利要求1～6中任一项所述的基于小样本学习的无线频谱状态图像分类方法。

8.一种电子设备，其特征在于，包括：处理器和存储器，所述存储器与所述处理器耦合，所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，当所述处理器从所述存储器中读取所述计算机指令，以使得所述电子设备执行如权利要求1～6中任一项所述的基于小样本学习的无线频谱状态图像分类方法。

9.一种计算机可读存储介质，其特征在于，包括计算机指令，当所述计算机指令在终端上运行时，使得所述终端执行如权利要求1～6中任一项所述的基于小样本学习的无线频谱状态图像分类方法。

10.一种计算机程序产品，其特征在于，当所述计算机程序产品在计算上运行时，使得所述计算机执行如权利要求1～6中任一项所述的基于小样本学习的无线频谱状态图像分类方法。