1.一种智能组织识别的方法，其特征在于，所述方法包括：
利用超声前端设备扫描组织，并接收携带外部激励的RF回波信号；
获取所述射频RF回波信号中最能描述时域信号的特征标识；
对所述RF回波信号进行频域变换，获得频域谱，根据所述频域谱获取最能描述频域信号的特征标识；
将多个超声周期内收到的RF回波信号排列成数字矩阵，对所述数字矩阵的图像进行图像处理，分析图像中的组织纹理以及图像梯度变化信息，选取最能描述组织图像的特征标识；
获取不同组织的RF回波信号数据，并根据所述能描述时域信号的特征标识、所述最能描述频域信号的特征标识、所述最能描述组织图像的特征标识和所述RF回波信号数据训练智能组织分类器，并根据训练结果对不同组织进行分类。
2.根据权利要求1所述的方法，其特征在于，所述获取所述RF回波信号中最能描述时域信号的特征标识，包括：
将所述RF回波信号进行带通滤波，根据带通滤波后的时域信号获取时域能量谱；
根据所述时域能量谱计算差异值，所述差异值用于作为最能描述时域信号的特征标识。
3.根据权利要求1所述的方法，其特征在于，所述对所述RF回波信号进行频域变换，获得频域谱，根据所述频域谱获取最能描述频域信号的特征标识，包括：
将所述RF回波信号的时域信号进行加窗并做频域变换；
根据所述时域获得频域的谱线，并在所述频域变换中采取并行算法，所述并行算法为所述频域的谱线减去一个直流分量后估计频域上超声衰减率，所述超声衰减率用于作为最能描述频域信号的特征标识。
4.根据权利要求1所述的方法，其特征在于，所述将多个超声周期内收到的RF回波信号排列成数字矩阵，对所述数字矩阵的图像进行图像处理，分析图像中的组织纹理以及图像梯度变化信息，选取最能描述组织图像的特征标识，包括：
读取所述超声前端采集的所述RF回波信号，排列成所述数据矩阵，对所述RF回波信号进行平滑滤波和匹配滤波；
获取滤波后的RF回波信号的包络线，并根据所述包络线绘制成图像；
选取感兴趣区域ROI计算灰度的变化范围和图像梯度的变化，将计算的结果进行统计学分析，并选择最优的统计值作为描述组织图像的特征标识。
5.根据权利要求1至4任意一项所述的方法，其特征在于，所述获取不同组织的RF回波信号数据，并根据所述能描述时域信号的特征标识、所述最能描述频域信号的特征标识、所述最能描述组织图像的特征标识和所述RF回波信号数据训练智能组织分类器，并根据训练结果对不同组织进行分类，包括：
分别选取肝脏组织、血管组织、肌肉组织，腹水组织、肠系组织和肺部组织的RF回波信号数据，以及所述能描述时域信号的特征标识、所述最能描述频域信号的特征标识和所述最能描述组织图像的特征标识，分别获取各组织对应的分类标识结果；
根据所述各组织对应的分类标识结果训练所述智能组织分类器；
根据训练后的所述智能组织分类器，对所述各组织进行分类，比较分类结果，并从中选取特异性最高的分类标识组合。
6.一种智能组织识别的装置，其特征在于，所述装置包括：
接收模块，用于利用超声前端设备扫描组织，并接收携带外部激励的RF回波信号；
第一获取模块，用于获取所述RF回波信号中最能描述时域信号的特征标识；
第二获取模块，用于对所述RF回波信号进行频域变换，获得频域谱，根据所述频域谱获取最能描述频域信号的特征标识；
第三获取模块，用于将多个超声周期内收到的RF回波信号排列成数字矩阵，对所述数字矩阵的图像进行图像处理，分析图像中的组织纹理以及图像梯度变化信息，选取最能描述组织图像的特征标识；
分类模块，用于获取不同组织的RF回波信号数据，并根据所述能描述时域信号的特征标识、所述最能描述频域信号的特征标识、所述最能描述组织图像的特征标识和所述RF回波信号数据训练智能组织分类器，并根据训练结果对不同组织进行分类。
7.根据权利要求6所述的装置，其特征在于，所述第一获取模块，具体用于：
将所述RF回波信号进行带通滤波，根据带通滤波后的时域信号获取时域能量谱；
根据所述时域能量谱计算差异值，所述差异值用于作为最能描述时域信号的特征标识。
8.根据权利要求6所述的装置，其特征在于，所述第二获取模块，具体用于：
将所述RF回波信号的时域信号进行加窗并做频域变换；
根据所述时域获得频域的谱线，并在所述频域变换中采取并行算法，所述并行算法为所述频域的谱线减去一个直流分量后估计频域上超声衰减率，所述超声衰减率用于作为最能描述频域信号的特征标识。
9.根据权利要求6所述的装置，其特征在于，所述第三获取模块，具体用于：
读取所述超声前端采集的所述RF回波信号，排列成所述数据矩阵，对所述RF回波信号进行平滑滤波和匹配滤波；
获取滤波后的RF回波信号的包络线，并根据所述包络线绘制成图像；
选取感兴趣区域ROI计算灰度的变化范围和图像梯度的变化，将计算的结果进行统计学分析，并选择最优的统计值作为描述组织图像的特征标识。
10.根据权利要求6至9任意一项所述的装置，其特征在于，所述分类模块，具体用于：
分别选取肝脏组织、血管组织、肌肉组织，腹水组织、肠系组织和肺部组织的RF回波信号数据，以及所述能描述时域信号的特征标识、所述最能描述频域信号的特征标识和所述最能描述组织图像的特征标识，分别获取各组织对应的分类标识结果；
根据所述各组织对应的分类标识结果训练所述智能组织分类器；
根据训练后的所述智能组织分类器，对所述各组织进行分类，比较分类结果，并从中选取特异性最高的分类标识组合。