1.一種基于譜時幅度分級向量辨識環境聲音事件的方法，其特征在于：首先計算各種相關聲音事件的譜時幅度分級向量TSASV作為辨識原型，并將各辨識原型保存在數據庫中作為分辨待測聲音事件的模板；然后計算待測聲音事件的TSASV，并將所述待測聲音事件的TSASV與各辨識原型進行比較，與所述待測聲音事件的TSASV最接近的辨識原型對應的原型聲音事件，就是所要識別的聲音事件；

所述譜時幅度分級向量的構造方法包括以下步驟：

步驟1：對獲取的環境聲音事件進行快速傅立葉變換，生成聲譜圖；????

步驟2：對生成的聲譜圖進行不同頻率分辨的采樣，用聲譜圖構建不同頻率分辨的子聲譜圖；

步驟3：對子聲譜圖進行信號增強，生成信號增強的子聲譜圖；

步驟4：對信號增強的子聲譜圖進行幅度分級；

步驟5：對幅度分級后的子聲譜圖進行編碼，生成TSASV。

2.根據權利要求1所述的基于譜時幅度分級向量辨識環境聲音事件的方法，其特征在于：在步驟1中，對采樣的帶噪聲的環境聲音事件信號y(i)，i表示采樣次數的索引，通過窗口h(i)對N個連續的信號y(i)進行加窗，并對窗內的樣本進行快速傅立葉變換，把帶噪聲的時域信號y(i)轉換成頻域信號；把窗口下移M個采樣點，再計算下一個快速傅立葉變換，得到環境聲音事件信號y(i)的譜為：

其中，l?表示窗口滑動的索引，即時域信號幀的索引，l∈{0,1,?…?,L-1}，L表示信號y(i)分幀的總數；k表示信號頻率分辨的索引，k∈{0,1,?…?,N-1}，N表示信號頻率分辨的數量。

3.根據權利要求2所述的基于譜時幅度分級向量辨識環境聲音事件的方法，其特征在于：在步驟2中，對環境聲音事件信號y(i)的譜Y(k,?l)進行一定頻率分辨的采樣，得到子采樣譜Y^d，譜Y(k,?l)以及子采樣譜Y^d表示如下：

Y?~?[?Y¹,?Y²,?…Y^d,?…,?Y^D]

其中，D表示對頻譜Y每隔D個頻率分辨點采一個點作為頻率分辨點，即把頻譜圖Y分解成子譜Y^d的數量，d表示頻率分辨采樣子譜圖的索引，d∈(1,2,?…?,D)，Y^d表示一個(N/D)×L的矩陣，Y^d可以表示為：

Y^d(b,?l)?=Y(?k_d,?l?)

其中，b表示子譜Y^d在譜Y中進行頻率采樣的索引，b∈(0,?1,?…,?N/D-1)，N/D表示子譜Y^d的行數，N/D∈{正整數}，k_d表示頻率分辨的采樣點，k_d?=?b*D+d-1。

4.根據權利要求3所述的基于譜時幅度分級向量辨識環境聲音事件的方法，其特征在于：在步驟3中，對子采樣譜Y^d進行信號增強處理，將子采樣譜Y^d轉換成信號增強的子采樣譜X^d，信號增強的譜X(k,?l)以及子采樣譜X^d表示如下：

X?~?[X^?1,?X^?2,?…X?d,?…,?X^?D]

其中，D表示對頻譜Y每隔D個頻率分辨點采一個點作為頻率分辨點，即把頻譜圖Y分解成子譜Y^d的數量，d表示頻率分辨采樣子譜圖的索引，d∈(1,2,?…?,D)，X^?d表示一個(N/D)×L的矩陣，X^d可以表示為：

X^d(b,?l)?=?X?(?k_d,?l?)

其中，b表示子譜X^d在譜X中進行頻率采樣的索引，b∈(0,?1,?…,?N/D-1)，N/D表示子譜X^d的行數，N/D∈{正整數}，k_d表示頻率分辨的采樣點，k_d?=?b*D+d-1。