1.一种相干光波分复用传输系统的链路功率控制方法，其特征在于，包括：
步骤1：搭建相干光波分复用传输仿真系统，包括设置链路中光纤的长度，光放大器的参数，并设置总体的传输距离；
步骤2：利用仿真环境进行深度神经网络的训练，配置波分复用系统中各个通道的发射功率；
步骤3：将发射功率的起始状态作为输入，输进训练好的执行神经网络中，获得不同通道发端功率的调整值，通过起始状态和发射功率调整值计算通道发射功率；
步骤4：利用仿真环境进行深度神经网络的训练，配置波分复用系统中波长选择开关各个通道的衰减；
步骤5：将波长选择开关的起始状态作为输入，输进训练好的执行神经网络中，获得波长选择开关衰减的调整值，通过起始状态和衰减调整值计算通道发射功率。
2.根据权利要求1所述的相干光波分复用传输系统的链路功率控制方法，其特征在于，所述步骤2包括：
步骤2.1：将发射功率初始值作为起始状态，把起始状态作为执行神经网络的输入，并获得输出作为发射功率的调整值，通过起始状态和发射功率调整值计算通道发射功率，然后进行传输，并获得接收端的结果；在接受端获得各个通道的信噪比，通过接收端获得的信噪比和目标信噪比计算相应的奖励，并将起始状态更新为下一状态；将起始状态、发射功率调整值、下一状态和奖励，集合为数据对，存储到数据池中，通过执行神经网络和仿真传输系统的不断交互，生成数据池中的数据；
步骤2.2：通过数据池中的数据训练批判神经网络，将数据对中的当前状态和执行动作作为批判神经网络的输入，获得其输出；通过该输出和奖励函数做差并取绝对值，作为批判神经网络的损失函数，通过梯度下降法更新批判神经网络的参数；
步骤2.3：通过数据池中的数据和批判神经网络，训练执行神经网络，将数据对中的当前状态作为执行神经网络的输入，获得执行神经网络的输出，将该输出和当前状态，作为批判神经网络的输入，获取批判神经网络的输出；将批判神经网络输出的相反数作为损失函数，通过梯度下降法更新执行神经网络的参数。
3.根据权利要求2所述的相干光波分复用传输系统的链路功率控制方法，其特征在于，通过起始状态和发射功率调整值计算通道发射功率，表达式为：
Pch＝P0+PΔ
其中，Pch为通道发射功率，P0为初始状态，PΔ为功率调整值；
通过接收端获得的信噪比和目标信噪比，计算相应的奖励，表达式为：
2
Ri＝||SNRi‑SNRtarget||
其中，Ri为奖励，SNRi为收端信噪比，SNRtarget为目标信噪比。
4.根据权利要求2所述的相干光波分复用传输系统的链路功率控制方法，其特征在于，所述步骤4包括：
步骤4.1：将衰减初始值作为起始状态，把起始状态作为执行神经网络的输入，并获得输出作为衰减的调整值，通过起始状态和衰减调整值，计算出各个通道的衰减，之后进行传输，并获得接收端的结果；最后在接受端获得各个通道的信噪比，通过在接收端获得的信噪比和目标信噪比，计算相应的奖励，并将起始状态更新为下一状态；将起始状态、衰减调整值、下一状态和奖励，集合为数据对，存储到数据池中，通过执行神经网络和仿真传输系统的不断交互，生成数据池中的数据；
步骤4.2：利用数据池中的数据训练批判神经网络；
步骤4.3：利用数据池中的数据和批判神经网络，训练执行神经网络。
5.根据权利要求4所述的相干光波分复用传输系统的链路功率控制方法，其特征在于，通过起始状态和衰减调整值，计算出各个通道的衰减，表达式为：
Ach＝A0+AΔ
其中，Ach为通道衰减，A0为初始状态，AΔ为衰减调整值。
6.一种相干光波分复用传输系统的链路功率控制系统，其特征在于，包括：
模块M1：搭建相干光波分复用传输仿真系统，包括设置链路中光纤的长度，光放大器的参数，并设置总体的传输距离；
模块M2：利用仿真环境进行深度神经网络的训练，配置波分复用系统中各个通道的发射功率；
模块M3：将发射功率的起始状态作为输入，输进训练好的执行神经网络中，获得不同通道发端功率的调整值，通过起始状态和发射功率调整值计算通道发射功率；
模块M4：利用仿真环境进行深度神经网络的训练，配置波分复用系统中波长选择开关各个通道的衰减；
模块M5：将波长选择开关的起始状态作为输入，输进训练好的执行神经网络中，获得波长选择开关衰减的调整值，通过起始状态和衰减调整值计算通道发射功率。
7.根据权利要求6所述的相干光波分复用传输系统的链路功率控制系统，其特征在于，所述模块M2包括：
模块M2.1：将发射功率初始值作为起始状态，把起始状态作为执行神经网络的输入，并获得输出作为发射功率的调整值，通过起始状态和发射功率调整值计算通道发射功率，然后进行传输，并获得接收端的结果；在接受端获得各个通道的信噪比，通过接收端获得的信噪比和目标信噪比计算相应的奖励，并将起始状态更新为下一状态；将起始状态、发射功率调整值、下一状态和奖励，集合为数据对，存储到数据池中，通过执行神经网络和仿真传输系统的不断交互，生成数据池中的数据；
模块M2.2：通过数据池中的数据训练批判神经网络，将数据对中的当前状态和执行动作作为批判神经网络的输入，获得其输出；通过该输出和奖励函数做差并取绝对值，作为批判神经网络的损失函数，通过梯度下降法更新批判神经网络的参数；
模块M2.3：通过数据池中的数据和批判神经网络，训练执行神经网络，将数据对中的当前状态作为执行神经网络的输入，获得执行神经网络的输出，将该输出和当前状态，作为批判神经网络的输入，获取批判神经网络的输出；将批判神经网络输出的相反数作为损失函数，通过梯度下降法更新执行神经网络的参数。
8.根据权利要求7所述的相干光波分复用传输系统的链路功率控制系统，其特征在于，通过起始状态和发射功率调整值计算通道发射功率，表达式为：
Pch＝P0+PΔ
其中，Pch为通道发射功率，P0为初始状态，PΔ为功率调整值；
通过接收端获得的信噪比和目标信噪比，计算相应的奖励，表达式为：
2
Ri＝||SNRi‑SNRtarget||
其中，Ri为奖励，SNRi为收端信噪比，SNRtarget为目标信噪比。
9.根据权利要求7所述的相干光波分复用传输系统的链路功率控制系统，其特征在于，所述模块M4包括：
模块M4.1：将衰减初始值作为起始状态，把起始状态作为执行神经网络的输入，并获得输出作为衰减的调整值，通过起始状态和衰减调整值，计算出各个通道的衰减，之后进行传输，并获得接收端的结果；最后在接受端获得各个通道的信噪比，通过在接收端获得的信噪比和目标信噪比，计算相应的奖励，并将起始状态更新为下一状态；将起始状态、衰减调整值、下一状态和奖励，集合为数据对，存储到数据池中，通过执行神经网络和仿真传输系统的不断交互，生成数据池中的数据；
模块M4.2：利用数据池中的数据训练批判神经网络；
模块M4.3：利用数据池中的数据和批判神经网络，训练执行神经网络。
10.根据权利要求9所述的相干光波分复用传输系统的链路功率控制系统，其特征在于，通过起始状态和衰减调整值，计算出各个通道的衰减，表达式为：
Ach＝A0+AΔ
其中，Ach为通道衰减，A0为初始状态，AΔ为衰减调整值。