1.基于Unet深度卷积的混合声音滤除无人机噪声方法，其特征在于，包括：
采集混合声音，对混合声音进行预处理，通过U型深度卷积网络得到反映目标声音显著程度的掩膜；
根据维纳滤波器的输出得到滤除噪声后的混合声音，迭代滤除无人机自噪声，获得目标声音的频域特征；
将目标声音的频域特征进行傅里叶逆变换和加窗，得到目标声音的时域特征，完成无人机噪声的滤除。
2.如权利要求1所述的基于Unet深度卷积的混合声音滤除无人机噪声方法，其特征在于：所述混合声音包括，利用麦克风阵列收集包含目标声音和无人机自噪声的混合声音，考虑目标声音传播到麦克风时衰减和延迟的脉冲响应，混合声音表示为，
xm(n)＝hm(n)*s(n)+vm(n)
其中，xm(n)表示第m个麦克风采集到的混合声音；hm(n)表示目标声音传播到第m个麦克风时衰减和延迟的脉冲响应；s(n)表示目标声源信号；vm(n)表示第m个麦克风采集到的无人机噪声。
3.如权利要求2所述的基于Unet深度卷积的混合声音滤除无人机噪声方法，其特征在于：所述预处理包括，使用窗口截取输入信号，然后对分段信号进行短时傅里叶变换，合并后得到频域特征，
Xm(l,k)＝Hm(k)S(l,k)+Vm(l,k)
其中，Xm(l,k)表示第m个麦克风在第l帧的频域特征；Hm(k)表示目标声音传播到第m个麦克风时的衰减和延迟；S(l,k)表示目标声源信号在第l帧的频域特征；Vm(l,k)表示第m个麦克风采集到的无人机噪声在第l帧的频域特征。
4.如权利要求3所述的基于Unet深度卷积的混合声音滤除无人机噪声方法，其特征在于：所述U型深度卷积网络包括，对数压缩声音信号，再将压缩后的m个通道的L个连续帧声音信息通入U型深度卷积网络，
其中，Mm(l,k)表示第m个麦克风对应的在第l帧和第k频点的掩膜值。
5.如权利要求4所述的基于Unet深度卷积的混合声音滤除无人机噪声方法，其特征在于：所述维纳滤波器包括，
T
Y(l,k)＝W(l,k)X(l,k)
真实的φx和φs无法直接得到，对m个麦克风对应的掩膜Mm(l,k)进行最大池化，得到掩膜M(l,k)，估算φx和φs，
H
φs(l,k)＝αφs(l‑1,k)+(1‑α)M(l,k)X(l,k)X(l,k)
H
φx(l,k)＝αφx(l‑1,k)+(1‑α)X(l,k)X(l,k)
T
其中，Y(l,k)表示维纳滤波器输出的混合声音；W(l,k)表示权重矩阵；φs(l,k)表示目标声音空间协方差矩阵；φx(l,k)表示混合声音空间协方差矩阵；el表示第l项为1其余项为
0的列向量；α表示固定的时间平均系数。
6.如权利要求5所述的基于Unet深度卷积的混合声音滤除无人机噪声方法，其特征在于：所述迭代滤除无人机自噪声包括，将维纳滤波器输出的混合声音作为U型深度卷积网络的输入，计算新的掩膜和维纳滤波器输出，迭代重复，并计算均方误差，其中，MSE表示均方误差；NL表示数据总数； 表示Y(l,k)对应的真实值；当MSE达到最小值或达到设置的最大迭代次数时，判断为无人机噪声完全滤除，获得目标声音的频域特征。
7.如权利要求6所述的基于Unet深度卷积的混合声音滤除无人机噪声方法，其特征在于：所述目标声音的时域特征包括，维纳滤波器输出的是目标声音的l帧频域特征，对每帧分别进行傅里叶逆变换和加窗，与预处理时的加窗位置、类型、窗长、重叠宽度保持一致，然后叠加加窗后的l帧时域信号，两帧重叠部分取均值，得到目标声音的时域特征。
8.一种采用如权利要求1～7任一所述方法的基于Unet深度卷积的混合声音滤除无人机噪声系统，其特征在于，包括，
混合声音处理模块，将采集的混合声音进行加窗和傅里叶变换；
迭代模块，通过U型深度卷积网络得到反映目标声音显著程度的掩膜，通过维纳滤波器滤除无人机噪声，迭代进行直到均方误差达到最小值或达到设置的最大迭代次数；
目标声音输出模块，将迭代完成的目标声音的时域特征进行傅里叶逆变换和加窗，得到目标声音的时域特征并输出。
9.一种计算设备，包括：存储器和处理器；
所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至7任一项所述的方法的步骤。
10.一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至7任一项所述的方法的步骤。