1.一种用于异常声音检测的在线更新系统的嵌入端系统，运行于待测音源端，其特征在于，包含设备声音采集模块、设备声音音频特征提取模块、神经网络模块和未知异常上报模块；
所述设备声音采集模块将待测音源发出的声音转换成音频数字信号，然后传输给所述设备声音音频特征提取模块；所述设备声音音频特征提取模块在频域上对所述音频数字信号进行处理，得到音频频率采样，作为所述神经网络模块的输入；
所述神经网络模块对所述音频频率采样进行处理，完成异常声音分类，输出的异常种类包含n种异常、未识别异常和无异常；所述异常种类的数量由异常声音检测模型决定；所述神经网络模块的网络结构根据所述异常种类的数量决定，动态可变；所述异常声音检测模型还决定所述神经网络模块的工作参数；
当所述神经网络模块诊断的异常声音检测结果为所述未识别异常时，所述未知异常上报模块收集所述待测音源的mac地址和型号，构成头信息，与对应的所述音频数字信号合并成异常音频后，通过无线传输方式上报。
2.根据权利要求1所述的在线更新系统的嵌入端系统，其特征在于，还适于接收训练后异常声音检测模型，完成所述异常声音检测模型的更新。
3.一种用于异常声音检测的在线更新系统的服务器端系统，其特征在于，所述服务器端系统包含在线学习模块、模型训练模块和模型更新模块；
所述在线学习模块接收上报的异常音频，并对所述异常音频进行数据处理，调整所述异常声音检测模型对应的所述神经网络模块的网络结构，将所述异常音频划分为训练集和验证集；所述异常音频包括待测音源的mac地址和型号，以及未识别异常对应的音频数字信号；
所述模型训练模块对所述异常声音检测模型进行模型训练，得到训练后异常声音检测模型；
所述模型更新模块将所述训练后异常声音检测模型下发到所述嵌入端系统，更新所述嵌入式端系统中的所述异常声音检测模型。
4.根据权利要求3所述的在线更新系统的服务器端系统，其特征在于，所述在线学习模块按所述待测音源的所述型号，对所述异常音频进行分类，得到设备关联异常音频，然后针对每一种所述待测音源，利用所述设备关联异常音频建立所述训练集和所述验证集。
5.根据权利要求4所述的在线更新系统的服务器端系统，其特征在于，所述在线学习模块对所述设备关联异常音频进行的所述数据处理，包含数据清洗和异常种类聚类；所述数据处理得到m个聚类类别，作为m个新异常种类；
根据所述m个新异常种类和n个已知异常种类，所述在线学习模块调整所述异常声音检测模型的分类维度为n+m+2，包含：n+m种异常、未识别异常和无异常。
6.根据权利要求5所述的在线更新系统的服务器端系统，其特征在于，所述数据清洗和异常种类聚类的过程，具体包含:
步骤101、将所述设备关联异常音频经过vad判决，删除静音音频，得到异常音频集合；
步骤102、将所述异常音频集合划分成j秒一帧的异常声音采样片段；
步骤103、使用dbscan算法对所述异常声音采样片段进行聚类，丢弃对应噪声的所述异常声音采样片段，得到所述m个聚类类别，作为所述m个新异常种类。
7.根据权利要求6所述的在线更新系统的服务器端系统，其特征在于，所述在线学习模块从所述异常声音采样片段中抽取l分钟的音频作为所述训练后异常声音检测模型的验证集，加入到原始验证集中，构成扩展验证集，并将除去所述验证集后的所述异常声音采样片段，加入到原始训练集中，构成扩展训练集。
8.根据权利要求3所述的在线更新系统的服务器端系统，其特征在于，所述模型训练模块对所述异常声音检测模型进行所述模型训练的过程包含：
步骤201、设置数据迭代次数为0；以k秒为单位，将所述训练集划分为多个batch数据，不足的数据丢弃；
步骤202、从所述训练集中取一个所述batch；
步骤203、所述迭代次数加一；
步骤204、使用快速傅里叶变换求出所述batch数据的频域特征；
步骤205、利用所述batch数据的频域特征进行一轮训练；
步骤206、根据所述迭代次数判断整个所述训练集是否遍历完成；若遍历完成，得到候选异常声音检测模型，进入步骤207，如果未遍历完成，跳转到步骤202；
步骤207、计算所述候选异常声音检测模型在所述验证集上的loss值；
步骤208、若所述loss值为所述模型训练中的最小值，且loss值与上一次所述loss值相比不再下降时，记录当前的所述候选异常声音检测模型为最优异常声音检测模型，跳转到步骤210；否则跳转到步骤209；
步骤209、将所述迭代次数清零，epoch迭代次数加一，跳转到步骤202；
步骤210、训练结束。
9.根据权利要求4所述的在线更新系统的服务器端系统，其特征在于，所述模型更新模块，根据所述头信息中对应的所述待测音源的所述mac地址和所述型号，下发所述训练后异常声音检测模型并完成所述异常声音检测模型的更新，对没有上报错误的所述嵌入端系统不进行所述异常声音检测模型的更新。
10.一种在线更新方法，适用于如权利要求1所述的在线更新系统的嵌入端系统，其特征在于，所述在线更新方法包括：
步骤301、将所述待测音源发出的声音转换成所述音频数字信号；
步骤302、在频域上对所述音频数字信号进行处理，得到所述音频频率采样；
步骤303、对所述音频频率采样进行处理，完成所述异常声音分类，输出的异常种类包含n种异常、未识别异常和无异常；所述异常种类的数量由所述异常声音检测模型决定；
步骤304、当异常声音检测结果为所述未识别异常时，所述未知异常上报模块收集所述待测音源的mac地址和型号，构成所述头信息，与对应的所述音频数字信号合并成所述异常音频后，通过无线传输方式上报。
11.一种在线更新方法，适用于如权利要求2所述的在线更新系统的嵌入端系统，其特征在于，所述在线更新方法包括：：
步骤301b、将所述待测音源发出的声音转换成所述音频数字信号；
步骤302b、在频域上对所述音频数字信号进行处理，得到所述音频频率采样；
步骤303b、对所述音频频率采样进行处理，完成所述异常声音分类，输出的异常种类包含n种异常、未识别异常和无异常；所述异常种类的数量由所述异常声音检测模型决定；
步骤304b、当异常声音检测结果为所述未识别异常时，所述未知异常上报模块收集所述待测音源的mac地址和型号，构成所述头信息，与对应的所述音频数字信号合并成所述异常音频后，通过无线传输方式上报；
步骤305b、接收所述训练后异常声音检测模型，完成所述异常声音检测模型的更新。
12.一种在线更新方法，适用于如权利要求3所述的在线更新系统的服务器端系统，其特征在于，所述在线更新方法包括：
步骤401、接收所述异常音频，所述异常音频包括所述待测音源的mac地址和型号，以及未识别异常对应的所述音频数字信号；
步骤402、按所述待测音源的型号，对所述异常音频进行分类，得到所述设备关联异常音频；
步骤403、对所述设备关联异常音频进行数据清洗和异常种类聚类，并根据聚类结果，调整所述异常声音检测模型的结构；
步骤404、将所述异常音频划分为所述训练集和所述验证集；
步骤405、利用所述训练集和所述验证集，对所述异常声音检测模型进行模型训练，得到所述训练后异常声音检测模型；
步骤406、根据所述头信息中的所述mac地址，得到上报所述设备关联异常音频的所述待测音源，将所述训练后异常声音检测模型更新到所述待测音源的在线更新系统的嵌入端系统中。