1.一种基于bp网络的噪声分类方法，其特征在于，包括如下步骤：
1)对输入的噪声信号进行预处理，包括分帧以及加窗处理；
2)对预处理后的每一帧噪声信号分别进行傅里叶变换得到噪声信号功率谱；
3)利用所述的每一帧噪声信号功率谱分别计算每一帧噪声信号的梅尔频率倒谱系数及梅尔频率倒谱系数的一阶差分；
4)计算每一帧噪声信号的伽玛通频率倒谱系数；
5)将每一帧噪声信号的梅尔频率倒谱系数、梅尔频率倒谱系数的一阶差分和伽玛通频率倒谱系数组合作为该帧噪声信号的联合特征，将全部帧噪声信号的联合特征中的一部分作为训练数据，另一部分作为测试数据；
6)训练一级bp网络；
7)训练二级bp网络；
8)将一级bp网络和二级bp网络联合进行测试，得到最终的噪声信号分类结果。
2.根据权利要求1所述的一种基于bp网络的噪声分类方法，其特征在于，步骤2)是采用如下公式对每一帧噪声信号进行傅里叶变换：
x(i,k)＝fft[xi(n)]
其中，x(i,k)是第i帧信号在第k条谱线处的功率谱，fft表示傅里叶变换，xi(n)表示第i帧信号，n表示序列索引号。
3.根据权利要求1所述的一种基于bp网络的噪声分类方法，其特征在于，步骤3)包括：
(3.1)对每一帧噪声信号的功率谱计算谱线能量：
e(i,k)＝[x(i,k)]2
其中，e(i,k)表示第i帧数据在第k条谱线的谱线能量；x(i,k)是第i帧信号在第k条谱线处的功率谱；
(3.2)计算每一帧噪声信号通过梅尔滤波器的能量
其中，s(i,m)表示第i帧信号通过第m个梅尔滤波器的能量，m是梅尔滤波器的总数，hm(k)表示第m个梅尔滤波器在第k条谱线处的频域响应，n是谱线的总数；
(3.3)计算梅尔频率倒谱系数：
其中，mfcc(i,n)为第i帧噪声信号在第k条谱线处的梅尔频率倒谱系数；
(3.4)计算梅尔频率倒谱系数的一阶差分：
△mfcc(i,k)＝2mfcc(i-2,k)-mfcc(i-1,k)+mfcc(i+1,k)+2mfcc(i+2,k)
其中，△mfcc(i,k)表示第i帧信号在第k条谱线处的梅尔频率倒谱系数的一阶差分，mfcc(i-2,k)、mfcc(i-1,k)、mfcc(i+1,k)和mfcc(i+2,k)分别表示第i-2帧信号、i-1帧信号、i+1帧信号和i+2帧信号在第k条谱线处的梅尔频率倒谱系数。
4.根据权利要求1所述的一种基于bp网络的噪声分类方法，其特征在于，步骤4)包括：
(4.1)通过所得到的谱线能量，计算通过伽玛通滤波器的能量：
其中，r(i,p)表示第i帧噪声信号通过第p个伽玛通滤波器的能量，p是伽玛通滤波器的总数，hp(k)表示第p个伽玛通滤波器在第k条谱线的频域响应，n是谱线的总数，e(f)表示指数压缩值；
(4.2)计算伽玛通频率倒谱系数：
其中，gfcc(i,k)表示第i帧信号在第k条谱线处的伽玛通频率倒谱系数。
5.根据权利要求1所述的一种基于bp网络的噪声分类方法，其特征在于，步骤6)所述的训练一级bp网络，是将所述的训练数据输入到一级bp网络中进行网络训练，经一级bp网络训练后得到每一帧噪声信号所属的大类类别，并保存已训练好的一级bp网络的网络权重。
6.根据权利要求1所述的一种基于bp网络的噪声分类方法，其特征在于，步骤7)所述的训练二级bp网络，是将经一级bp网络训练得到的每一大类中的每一帧噪声信号的梅尔频率倒谱系数、梅尔频率倒谱系数的一阶差分和伽玛通频率倒谱系数进行组合输入到相应类别的二级bp网络中进行网络训练，经二级bp网络训练后得到每一大类中的每一帧噪声信号的识别结果，并保存已训练好的二级bp网络的网络权重。
7.根据权利要求1所述的一种基于bp网络的噪声分类方法，其特征在于，步骤8)是根据保存的一级bp网络的网络权重和二级bp网络的网络权重，将所述的测试数据输入到由一级bp网络和二级bp网络相串联构成的联合网络中进行测试，得到对测试数据中每一帧噪声信号的识别结果。