1.一种通信电缆故障检测方法，其特征在于，包括：S1：通过电压传感器监测通信电缆各处的电压信号；

S2：根据所述电压信号，判断是否存在扰动，若是，进入S3，否则，返回S1继续监测；

S3：根据所述电压信号，计算互相关参数；

S4：判断所述互相关参数是否大于预设互相关值，若是，确定通信电缆初步诊断存在故障，进入S5，否则，返回S1继续监测；

S5：通过卡尔曼滤波器，对所述电压信号进行预测，得到电压估计信号；

S6：计算所述电压信号与所述电压估计信号之间的残差信号；

S7：根据所述残差信号计算半周期标准偏差；

S8：以各个时刻的互相关参数为横坐标，各个时刻的半周期标准偏差为纵坐标，生成状态图；

S9：根据所述状态图，通过卷积神经网络进行精细诊断，确定故障类型；

S10：记录电压传感器的编号、位置、初步诊断结果以及精细诊断结果，在检测到通信电缆存在故障时，以电压传感器的位置作为故障发生位置进行定位预警。

2.根据权利要求1所述的通信电缆故障检测方法，其特征在于，所述S2中的根据所述电压信号，判断是否存在扰动具体包括：判断所述电压信号是否满足以下条件，若是，确定不存在扰动，否则，确定存在扰动：V1<|yt|

其中，V1表示扰动下限值，V2表示扰动上限值，yt表示t时刻的电压信号；

所述扰动下限值V1具体为：

V1＝α1|yt-T/2|

其中，α1表示扰动下限系数，yt-T/2表示前一个半周期中与t时刻电压信号对应的电压信号，T表示周期；

所述扰动上限值V2具体为：

V2＝α2|yt-T/2|

其中，α2表示扰动上限系数。

3.根据权利要求1所述的通信电缆故障检测方法，其特征在于，所述互相关参数的计算方式具体为：其中，Ci表示t时刻的互相关参数，T表示周期，A1(t)表示t时刻之前的半个周期的电压信号，表示t时刻之前的半个周期的电压信号的平均值，A2(t)表示t时刻之后的半个周期的电压信号，表示t时刻之后的半个周期的电压信号的平均值。

4.根据权利要求1所述的通信电缆故障检测方法，其特征在于，所述S5具体包括：S501：将理想状态下的电压估计信号通过余弦信号进行表示：其中，St表示t时刻的电压估计信号，a表示振幅，ω0表示角频率，t表示时间，表示相位；

S502：基于余弦信号的基本性质，构建电压动态方程：St+1+St-1＝2cos(ω0)St+ψt其中，St+1表示t+1时刻的电压估计信号，St-1表示t-1时刻的电压估计信号，ψt表示t时刻的误差；

S503：根据所述电压动态方程，构建卡尔漫滤波器的状态空间：Xt+1＝MXt+bψt

yt＝hTXt+vt

其中，yt表示实际状态下t时刻的电压信号，X表示状态向量，Xt+1＝h表示测量矩阵，h＝[1 0]，()T表示矩阵的转置运算；

S504：通过卡尔曼滤波器，对电压传感器测量到的实际状态下的电压信号进行预测，求解电压估计信号。

5.根据权利要求4所述的通信电缆故障检测方法，其特征在于，所述S504具体包括：初始化状态向量和误差协方差；

计算卡尔曼滤波器的瞬时卡尔曼增益：

Kt＝Pt-hT(hPthT+Rt)-1其中，Kt表示t时刻卡尔曼增益，Pt表示t时刻的误差协方差，h表示测量矩阵，Rt表示t时刻的测量噪声；

根据瞬时卡尔曼增益，更新状态向量：

其中，表示t时刻的状态向量估计值，表示t时刻的状态向量当前值，yt表示实际状态下t时刻的电压信号；

根据更新后的状态向量，确定各个时刻的电压估计信号。

6.根据权利要求1所述的通信电缆故障检测方法，其特征在于，所述残差信号的计算方式具体为：VSRt＝yt-St

其中，VSRt表示t时刻的残差信号，St表示t时刻的电压估计信号，yt表示电压传感器测量到的实际状态下的t时刻的电压信号。

7.根据权利要求1所述的通信电缆故障检测方法，其特征在于，所述半周期标准偏差的计算方式具体为：其中，Sdt表示t时刻的半周期标准偏差，T表示周期，表示残差信号平均值。

8.根据权利要求1所述的通信电缆故障检测方法，其特征在于，所述卷积神经网络包括输入层、卷积层、池化层、全连接层、分类层以及输出层，所述S9具体包括：S901：在输入层中，获取所述状态图；

S902：在卷积层中，提取所述状态图的特征：其中，表示当前卷积层的输出，表示前一卷积层的输出，表示当前卷积层的卷积核权重，表示当前卷积层的偏置项，Mj表示选择的输入特征映射，σ()表示激活函数；

S903：在池化层中，对提取的特征进行降维：其中，down表示下采样函数，表示当前池化层的输出，表示前一池化层的输出；

S904：在全连接层中，对特征进行汇总，得到隐状态；

S905：在分类层中，计算属于各个故障类型的概率值：Pt＝Softmax(Wδhht+bδ)Pt＝[P1t,…,Pit,…,Pnt]其中，Pt表示在t时刻属于各个故障类型的概率值，Softmax()表示Softmax激活函数，ht表示t时刻的隐状态，Wδh表示全连接层与分类层之间的权重，bδ表示全连接层与分类层之间的偏置，Pit表示t时刻属于第i个故障类型的概率值，i＝1,2,…,n，n表示故障类型总数；

S906：在输出层中，将概率值最大的故障类型作为精细诊断结果，并输出。

9.根据权利要求8所述的通信电缆故障检测方法，其特征在于，所述卷积神经网络的训练方式具体为：以均方差损失函数最小为目标，通过改进的粒子群优化算法，确定卷积神经网络的最佳网络参数。

10.一种通信电缆故障检测系统，其特征在于，包括：处理器；

存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现如权利要求1至9中任一项所述的通信电缆故障检测方法。