1.一种海洋哺乳动物叫声数据增强方法，其特征在于：所述方法依次包括以下步骤：
2.根据权利要求1所述的海洋哺乳动物叫声数据增强方法，其特征在于：步骤s1所述使用自编码器对海洋哺乳动物叫声数据进行特征提取和降噪重构的方法为：所述自编码器将输入的海洋哺乳动物叫声数据x变换到隐藏变量z，编码过程用公式(1)表示为：
3.根据权利要求2所述的海洋哺乳动物叫声数据增强方法，其特征在于：为了解决所述生成器和鉴别器之间训练不稳定问题，所述生成对抗网络模型采用wasserstein距离衡量真实叫声数据和生成叫声数据两个分布间的相似程度，wasserstein距离定义为：
4.根据权利要求3所述的海洋哺乳动物叫声数据增强方法，其特征在于：为了使所述生成对抗网络模型更好的学习音频数据的分布特征，提高训练稳定性，在生成对抗网络的基础上增加梯度惩罚项，表达式如下：
5.根据权利要求1所述的海洋哺乳动物叫声数据增强方法，其特征在于：所述生成器由一层嵌入层、一层全连接层以及五层一维反卷积层组成。
6.根据权利要求5所述的海洋哺乳动物叫声数据增强方法，其特征在于：为了评估生成器生成的叫声数据与真实海洋哺乳动物叫声之间的差异，采用均方误差和对抗损失作为生成器组合损失函数，均方误差mse计算公式为：
7.根据权利要求1所述的海洋哺乳动物叫声数据增强方法，其特征在于：所述鉴别器由五层一维卷积层、一层全连接层组成。
8.根据权利要求7所述的海洋哺乳动物叫声数据增强方法，其特征在于：所述鉴别器的卷积层使用深度可分离卷积，所述深度可分离卷积由深度卷积和逐点卷积两部分组成，深度卷积独立地对输入的每个通道进行卷积计算，逐点卷积将深度卷积的结果加权融合。
9.根据权利要求8所述的海洋哺乳动物叫声数据增强方法，其特征在于：所述鉴别器的中间层加入批归一化层可以减少中间层输入的分布偏移，使得鉴别器在训练过程中更加稳定，其公式为：
10.根据权利要求9所述的海洋哺乳动物叫声数据增强方法，其特征在于：中间层批归一化后使用激活函数，公式为：