1.星载多频段合成孔径雷达信号处理优化方法，其特征在于，包括：

获取星载多频段合成孔径雷达的原始回波数据，采用自适应分段多项式拟合算法对原始回波数据进行多普勒中心频率估计，构建频率域自适应补偿因子矩阵，将频率域自适应补偿因子矩阵与原始回波数据进行二维矩阵乘积运算，得到补偿回波数据，基于子带分解的距离向匹配滤波算法，对补偿回波数据进行距离向压缩，生成距离像，并根据距离像采用最大似然估计方法，计算得到目标散射点的距离向位置信息和散射强度信息；

基于目标散射点的距离向位置信息和散射强度信息，确定目标散射点的空间分布密度，基于空间分布密度，对补偿回波数据进行自适应分块处理，动态调整分块大小，在每个分块内，通过包含二次相位误差项、三次相位误差项和高阶交叉项的广义多项式函数，对补偿回波数据进行相位误差建模，构建融合图像熵和对比度的复合优化目标函数，通过共轭梯度算法对复合优化目标函数进行快速迭代，求解得到相位误差估计值，并根据相位误差估计值，通过分段样条插值，生成连续的相位校正函数；

将相位校正函数与补偿回波数据进行小波域卷积运算，得到校正回波数据，基于变尺度核函数的方位向压缩算法，对校正回波数据进行处理，得到多频段二维图像，基于多频段二维图像中的各频段，通过深度神经网络提取局部相关系数、边缘强度和纹理特征，构建多维特征向量，并对多维特征向量进行权重学习，基于学习得到的自适应权重系数，对不同频段的二维图像进行非线性加权融合，通过自适应直方图均衡化增强，确定合成孔径雷达成像结果。

2.根据权利要求1所述的方法，其特征在于，采用自适应分段多项式拟合算法对原始回波数据进行多普勒中心频率估计包括：

对原始回波数据进行分段处理，将所述原始回波数据按照预设窗口长度划分为多个子数据段，相邻子数据段之间具有百分之五十的重叠率，获得待处理子数据段；

对待处理子数据段进行残差评估，计算不同阶数多项式拟合的归一化残差值，将所述归一化残差值与上一阶多项式拟合的归一化残差值的比值与预设阈值进行比较，当比值小于预设阈值时确定最优多项式阶数；

构建基于最优多项式阶数的范德蒙德矩阵，所述范德蒙德矩阵的元素由时间变量的不同阶数幂次项组成，构建汉宁加权矩阵，所述汉宁加权矩阵的对角线元素由余弦函数计算得到，采用最小二乘法求解范德蒙德矩阵与汉宁加权矩阵确定的多项式系数，根据所述多项式系数构建拟合多项式函数；

计算待处理子数据段的数据信噪比，根据数据信噪比对预设窗口长度进行自适应调整，当数据信噪比大于第一预设数据信噪比阈值时，将所述预设窗口长度减小为原来的二分之一，当数据信噪比小于第二预设数据信噪比阈值时，将所述预设窗口长度增大为原来的二倍，根据调整后的预设窗口长度和拟合多项式函数重新进行数据拟合，得到优化拟合多项式函数；

计算待处理子数据段与优化拟合多项式函数之间的误差函数，获取误差函数的均值和方差，构建基于高斯函数的补偿项，将所述补偿项与根据所述化拟合多项式函数计算得到的初始频率估计值相加，得到最终的多普勒中心频率估计结果。

3.根据权利要求1所述的方法，其特征在于，基于子带分解的距离向匹配滤波算法，对补偿回波数据进行距离向压缩，生成距离像，并根据距离像采用最大似然估计方法，计算得到目标散射点的距离向位置信息和散射强度信息包括：将所述补偿回波数据的频谱划分为多个频率子带，相邻频率子带之间具有重叠区域，所述重叠区域的带宽为子带带宽的百分之二十，采用汉明窗函数对每个频率子带的频谱进行加权；

基于发射信号参数生成参考信号，所述参考信号的频谱包含天线方向图和传播衰减影响，将所述参考信号与各个频率子带的信号进行频域相乘得到滤波结果；

计算频率子带之间的相位差异，采用线性相位补偿方法对所述相位差异进行校正，计算各个频率子带对应信号的信号信噪比，将所述信号信噪比作为权值系数对滤波结果进行加权求和，得到合成距离像；

对所述合成距离像进行能量归一化处理，根据系统分辨率划分距离单元，建立幅度与距离的映射关系，搜索所述合成距离像的峰值位置，将所述峰值位置作为散射点粗定位结果；

在散射点粗定位结果的邻域内，采用抛物线插值方法对距离单元进行十倍细分，对细分后的距离单元进行峰值搜索，得到散射点精确位置；

构建基于高斯噪声模型的似然函数，在所述似然函数中包含距离向位置参数和散射强度参数，采用迭代方式对所述似然函数进行优化求解，将所述似然函数的最大值对应的参数作为初始估计结果；

计算初始估计结果的克拉美罗界，判断初始估计结果是否达到预先确定的理论精度限制，如果未达到，在初始估计结果的邻域内构建新的搜索空间，继续进行参数迭代优化，最终得到目标散射点位置信息和散射强度信息。

4.根据权利要求1所述的方法，其特征在于，在每个分块内，通过包含二次相位误差项、三次相位误差项和高阶交叉项的广义多项式函数，对补偿回波数据进行相位误差建模，构建融合图像熵和对比度的复合优化目标函数包括：在每个分块内，建立以目标散射点的距离向位置信息为变量的二次项，作为二次相位误差项，补偿目标匀加速运动引起的相位误差；建立以目标散射点的距离向位置信息为变量的三次项，作为三次相位误差项，补偿目标变加速运动引起的相位误差；建立目标散射点的距离向位置信息与方位向位置信息的乘积项，作为交叉相位误差项，确定距离向、方位向耦合引起的相位误差的对应关系；将所述二次相位误差项、所述三次相位误差项和所述高阶交叉相位误差项组合构建广义多项式函数；

对补偿回波数据施加所述广义多项式函数进行相位补偿，得到补偿图像；计算所述补偿图像的强度分布，将所述强度分布归一化得到概率分布，基于所述概率分布计算得到图像熵；提取所述补偿图像的强度最大值与强度最小值，计算图像对比度；计算所述图像对比度与1的差值，得到图像对比度损失；基于目标区域的空间分布密度确定第一权重系数，将1减去所述第一权重系数，得到第二权重系数；将所述图像熵乘以所述第一权重系数，得到第一加权项，将所述图像对比度损失乘以所述第二权重系数，得到第二加权项，将所述第一加权项与所述第二加权项相加构建复合优化目标函数。

5.根据权利要求1所述的方法，其特征在于，通过共轭梯度算法对复合优化目标函数进行快速迭代，求解得到相位误差估计值，并根据相位误差估计值，通过分段样条插值，生成连续的相位校正函数包括：采用数值微分方法，计算所述复合优化目标函数对所述广义多项式函数中各系数的梯度，将所述梯度的负方向作为初始搜索方向，在初始搜索方向上通过一维搜，索确定最优步长，基于最优步长更新所述广义多项式函数中的各系数，得到更新后系数，基于更新后系数计算所述复合优化目标函数的更新后梯度，计算更新后梯度与更新前梯度的内积比值得到共轭系数，将更新后梯度的负方向与初始搜索方向的共轭组合作为新搜索方向；重复迭代，直至所述复合优化目标函数的相邻两次迭代差值小于预设的收敛阈值，得到收敛系数，将收敛系数代入所述广义多项式函数得到相位误差估计值；

将各分块的中心位置确定为基准插值节点，在相邻分块的重叠区域增设补充插值节点；选择三次样条基函数作为插值基函数，基于基准插值节点和补充插值节点构建样条系数方程组；对所述样条系数方程组设置端点处二阶导数为零的边界条件，求解所述样条系数方程组得到样条系数，将所述样条系数与所述三次样条基函数进行组合，对所述相位误差估计值进行分段插值，生成连续的相位校正函数。

6.根据权利要求1所述的方法，其特征在于，将相位校正函数与补偿回波数据进行小波域卷积运算，得到校正回波数据，基于变尺度核函数的方位向压缩算法，对校正回波数据进行处理，得到多频段二维图像，基于多频段二维图像中的各频段，通过深度神经网络提取局部相关系数、边缘强度和纹理特征，构建多维特征向量，并对多维特征向量进行权重学习，基于学习得到的自适应权重系数，对不同频段的二维图像进行非线性加权融合，通过自适应直方图均衡化增强，确定合成孔径雷达成像结果包括：将相位校正函数进行离散小波变换得到第一小波系数，将补偿回波数据进行离散小波变换得到第二小波系数，在小波域，将所述第一小波系数与所述第二小波系数进行相乘运算，对相乘运算的结果进行逆小波变换得到校正回波数据；

根据所述校正回波数据的散射特性确定核函数参数，基于所述核函数参数构建变尺度核函数，利用所述变尺度核函数对所述校正回波数据进行方位向压缩处理得到多频段二维图像；

采用归一化互相关算子，对所述多频段二维图像进行局部相关性计算，得到相关系数矩阵，采用Canny边缘检测算子对所述多频段二维图像进行边缘提取，得到边缘强度矩阵，通过Gabor滤波器组对所述多频段二维图像进行滤波得到纹理特征矩阵；将所述相关系数矩阵、所述边缘强度矩阵、所述纹理特征矩阵在特征维度上进行级联，得到多维特征向量；

构建包含输入层、隐藏层、输出层的深度神经网络，所述输入层的神经元数量与所述多维特征向量的维度相同，所述输出层的神经元数量与频段数量相同，将所述多维特征向量输入所述深度神经网络进行训练得到自适应权重系数，根据自适应权重系数对所述多频段二维图像进行非线性加权计算，得到融合图像；

计算所述融合图像的灰度统计分布，确定直方图均衡化参数，利用所述直方图均衡化参数对所述融合图像进行增强处理，得到最终多频段合成孔径雷达图像。

7.星载多频段合成孔径雷达信号处理优化系统，用于实现前述权利要求1-6中任一项所述的方法，其特征在于，包括：

第一单元，用于获取星载多频段合成孔径雷达的原始回波数据，采用自适应分段多项式拟合算法对原始回波数据进行多普勒中心频率估计，构建频率域自适应补偿因子矩阵，将频率域自适应补偿因子矩阵与原始回波数据进行二维矩阵乘积运算，得到补偿回波数据，基于子带分解的距离向匹配滤波算法，对补偿回波数据进行距离向压缩，生成距离像，并根据距离像采用最大似然估计方法，计算得到目标散射点的距离向位置信息和散射强度信息；

第二单元，用于基于目标散射点的距离向位置信息和散射强度信息，确定目标散射点的空间分布密度，基于空间分布密度，对补偿回波数据进行自适应分块处理，动态调整分块大小，在每个分块内，通过包含二次相位误差项、三次相位误差项和高阶交叉项的广义多项式函数，对补偿回波数据进行相位误差建模，构建融合图像熵和对比度的复合优化目标函数，通过共轭梯度算法对复合优化目标函数进行快速迭代，求解得到相位误差估计值，并根据相位误差估计值，通过分段样条插值，生成连续的相位校正函数；

第三单元，用于将相位校正函数与补偿回波数据进行小波域卷积运算，得到校正回波数据，基于变尺度核函数的方位向压缩算法，对校正回波数据进行处理，得到多频段二维图像，基于多频段二维图像中的各频段，通过深度神经网络提取局部相关系数、边缘强度和纹理特征，构建多维特征向量，并对多维特征向量进行权重学习，基于学习得到的自适应权重系数，对不同频段的二维图像进行非线性加权融合，通过自适应直方图均衡化增强，确定合成孔径雷达成像结果。

8.一种电子设备，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至6中任意一项所述的方法。

9.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至6中任意一项所述的方法。