技术特征：
1.一种主动降噪空调系统，其特征在于，包括：拾音设备(1)，其沿空调系统的出风口均匀排布，用于实时采集空调系统所输出的噪声分量；扬声器(2)，其设置在空调系统内部的风道中，其振膜面与风道中气流的流通方向平行，用于输出降噪声波抵消空调系统的运行噪声；主动降噪处理单元，其连接所述拾音设备和扬声器，用于实时根据各拾音设备所采集的噪声分量，按照以下步骤产生对应该噪声分量的驱动信号，驱动所述扬声器输出降噪声波：第一步，将各拾音设备所分别采集的噪声分量n(i，t)，拼接构成噪声声场片段n(t)＝{n(1，t)，n(2，t)，...，n(i，t)}，其中i≤i表示拾音设备的编号，t表示噪声分量所对应的时刻或持续时长；第二步，将所述噪声声场片段n(t)输入至训练好的生成器g中进行前向传播运算，获得噪声声场特征nf(f)，其中，f表示噪声声场中的特征频点；第三步，根据所述噪声声场特征nf(f)中各特征频点f所分别对应的分量比例，产生分别对应该噪声分量的驱动信号，驱动所述扬声器输出降噪声波。2.如权利要求1所述的主动降噪空调系统，其特征在于，所述扬声器均匀排布在所述风道的外周，并且，每一个扬声器的振膜面均分别由一外壳包覆固定，所述外壳与风道的外周表面气密连接。3.如权利要求1所述的主动降噪空调系统，其特征在于，各所述拾音设备均分别水平贴合设置在所述出风口的内侧壁表面；各所述拾音设备以及各所述扬声器共同连接同一个主动降噪处理单元，所述主动降噪处理单元集成在空调系统的控制板内，或单独安装在风道的外壁上。4.一种空调系统的降噪控制方法，其特征在于，步骤包括：步骤s1，通过若干拾音设备分别同步并实时地采集空调系统所输出的分别对应出风口不同位置的噪声分量n(i，t)，并将各拾音设备所采集的噪声分量n(i，t)拼接构成噪声声场片段n(t)＝{n(1，t)，n(2，t)，...，n(i，t)}，其中i≤i表示拾音设备的编号，t表示噪声分量所对应的时刻或持续时长；步骤s2，将所述噪声声场片段n(t)按照固定间隔时长且相互交叠的时域窗口进行分隔以及频域转换，然后输入至训练好的生成器g中进行前向传播运算，获得噪声声场特征nf(f)，其中，f表示噪声声场中的特征频点；步骤s3，根据所述噪声声场特征nf(f)中各特征频点f所分别对应的分量比例以及该特征频点f所对应的起始时刻或持续时间，产生分别对应该噪声分量的驱动信号，驱动所述扬声器根据驱动信号输出降噪声波。5.如权利要求4所述的空调系统的降噪控制方法，其特征在于，步骤s2中，所述生成器g由以下步骤训练获得：步骤g1，对噪声声场片段样本n
′
(t)按照固定间隔时长且相互交叠的时域窗口进行分隔以及频域转换，获得频域样本z，并对所述各频域样本z中显著影响环境噪声水平的频域分量进行标记；步骤g2，构建生成器g和鉴别器d，初始化生成对抗网络v(d，g)；其中，所述生成器g为一
个残差网络，所述鉴别器d为一个卷积网络，构建生成器g的损失函数为构建鉴别器d的损失函数为-(m-1)log(1-d(g(z)))+δlog(d(nf(f)))；其中，m＝1代表输入为噪声声场片段n(t)，m＝0代表输入为噪声声场片段样本n
′
(t)；代表取整后的卷积网络的输出结果，δ为预设的经验系数，nf(f)为对噪声声场片段样本n
′
(t)进行相位翻转后再按照固定间隔时长且相互交叠的时域窗口进行分隔以及频域转换后所获得的目标信号；步骤g3，制定优化目标，以为优化函数及其优化方向，将上述噪声声场片段样本n
′
(t)输入至生成器g中进行前向传播运算，根据计算生成器的损失，根据计算生成器的损失，根据计算鉴别器的损失，其中，nf
′
(f)为将所述噪声声场片段样本n
′
(t)按照固定间隔时长且相互交叠的时域窗口进行分隔以及频域转换，然后输入至生成器g中进行前向传播运算后所获得噪声声场特征的样本值；步骤g4，对步骤g3中生成器g进行前向传播运算所得到的损失进行bp反向传播运算，然后分别交替训练生成器和鉴别器，优化生成器和鉴别器的网络参数，直至所述生成器g和所述鉴别器d达到纳什均衡，或直至所述生成器g和所述鉴别器d的损失不变，输出此时的生成器g作为训练好的生成器g。6.如权利要求5所述的空调系统的降噪控制方法，其特征在于，所述步骤g4中，所述生成器g和鉴别器d达到纳什均衡为d(g(z))≈0.5。7.如权利要求1-6所述的空调系统的降噪控制方法，其特征在于，所述步骤s2中，所述生成器g还进一步由以下步骤训练获得：步骤s2-1，分别以不同的参数和结构构建生成器g、鉴别器d和生成对抗网络v(d，g)；步骤s2-2，分别对步骤s2-1中构建的每一组生成器g、鉴别器d和生成对抗网络v(d，g)进行步骤g3至步骤g4的训练，得到不同的生成器g；步骤s2-3，从各所述不同的生成器g中选择一组生成器，根据该组生成器的参数与结构分别为各生成器设置不同的权重，对该组生成器分别按照各自的权重进行融合重组，以融合后形成的最终生成器g
’
作为训练好的生成器g，以该最终生成器g
’
进行前向传播运算获得噪声声场特征nf(f)。