1.一种电磁信号可解释智能感知方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述待感知信号的循环谱图在输入预设的深度神经网络模型时，先经过两个卷积层、一个最大池化层处理，再依次经过四个级联的基本残差模块、一个平均池化层、两个全连接层，最后经softmax层实现分类。
3.根据权利要求1所述的方法，其特征在于，所述类别包括信号类、噪声类；
4.根据权利要求1所述的方法，其特征在于，所述类别激活映射将预测的类别所对应的值逐层逆映射到上一层，直至输入层，将输入层得到的逆映射区域作为区别区域。
5.根据权利要求1所述的方法，其特征在于，所述预设的深度神经网络模型采用下述步骤获取：
6.根据权利要求5所述的方法，其特征在于，所述带动量的随机梯度下降(sgd)方法中采用的损失函数为如下交叉熵函数：
7.根据权利要求2所述的方法，其特征在于，所述softmax层计算分类类别的置信度，当类别的置信度大于设定的决策阈值时，则该类别为当前待感知信号对应的分类结果。
8.根据权利要求2所述的方法，其特征在于，所述预设的深度神经网络模型满足设定的虚警概率pf：
9.一种电磁信号可解释智能感知装置，其特征在于：包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行如权利要求1至8中任一种方法的计算机程序。
10.一种计算机可读存储介质，其特征在于：存储有能够被处理器加载并执行如权利要求1至8中任一种方法的计算机程序。