1.一种基于神经元小世界网络随机共振的弱信号感知方法，其特征在于，该方法具体包括以下步骤：
步骤1、构建基于概率随机连接的小世界网络；
小世界网络中的节点按环形规律分布，网络中的每一个节点分别对应于唯一的标号l，l∈[1，n]，n为小世界网络的节点总数；标号根据节点在网络中的位置，按顺时针方向依次递增，首尾连接，最终构成一个封闭的环形结构；定义标号为i和j的两个小世界网络节点之间的距离di，j，如式(1)所示，其中|·|表示取绝对值函数；
di，j＝min(|j-i|，|n-j+i|)，i，j∈[1，n]，i≠j(1)
对于标号为i的节点，i∈[1，n]，其与标号为j的节点之间按概率pi，j进行随机连接，pi，j按如下规则进行设定；
ifj＝＝mod((i+1)，n)
pi，j＝1；
else
pi，j＝p；
其中mod为取余数函数，p为随机数，p∈[0，1]；
步骤2、构建fhn神经元计算模型，将其作为小世界网络的基本节点；其中小世界网络只有一个节点接受外界输入刺激，其节点标号记为in，in∈[1，n]，该节点采用的fhn神经元计算模型如式(2)所示；
式中，εv、εw分别表示膜电位和恢复变量的特征时间，其中εv、εw独立设置，从而可灵活改变膜电位势函数势垒以提高势阱间的跃迁概率；vin和ωin分别表示标号为in的节点输出信号和恢复变量；b表示无量纲的正数；isig表示外界输入刺激，对应于需感知的周期弱信号，isig的周期记为tsig；ζ表示均值为0，噪声强度为σ的高斯白噪声；isig、ζ与
式中，其中lin，j表示标号为in和j的两个小世界网络节点之间连接关系，lin，j＝1或0分别表示上述两个节点之间存在或不存在突触连接；αin，j表示标号为in和j的两个小世界网络节点之间的连接强度，与它们之间的距离din，j成反比，如式(4)所示；
对于小世界网络中标号为i的节点，i∈[1，n]，i≠in，它们均不接受外界输入刺激，其fhn神经元计算模型如式(5)所示；
式中，vi、ωi和
步骤3、计算小世界网络节点的互相关系数
对于in节点，互相关系数计算如式(6)所示；
式中，
对于小世界网络中标号为i的节点，i∈[1，n]，i≠in，互相关系数计算如式(7)所示；
式中，
步骤4、确定最优互相关系数对应的ζ噪声强度σ；在步骤3的基础上，求出不同高斯白噪声强度下，小世界网络中每一个节点的互相关系数，求和并取最大值，具体如式(8)所示；
获取csum最大值时所对应的参数z，从而确定ζ的噪声强度σ＝0.01z；
步骤5、获取小世界网络节点优化后的输出v′in和v′i，其中i∈[1，n]，i≠in；在步骤4计算得到σ的基础上，舍弃互相关系数过低的异常节点输出信息，得到优化后的输出v′in和v′i，其中i∈[1，n]，i≠in；计算过程如式(9)和(10)所示；
式中，threshold表示自适应阈值；
步骤6、确定整个小世界网络的输出，即弱信号感知结果vout；为提高弱信号增强性能的鲁棒性，对小世界网络所有节点的输出信号采用均值融合，得到最终的弱信号感知结果vout，具体如式(11)所示；
式中，kin、ki用来表示小世界网络节点in，以及小世界网络其余节点i的输出是否有效，具体如式(12)和(13)所示；
2.根据权利要求1所述的一种基于神经元小世界网络随机共振的弱信号感知方法，其特征在于：所述的threshold取小世界网络所有节点的互相关系数中值。
3.根据权利要求1所述的一种基于神经元小世界网络随机共振的弱信号感知方法，其特征在于：m取50。