1.一种声源位置估计方法，其特征在于，步骤如下：

单矢量水听器接收海洋中的声源发出的多通道信号；

通过固定窗-动态窗的联合滑动，将接收到的多通道信号融合为瞬时单通道声强信号，并划分为包含足够信息量的信号段；

利用最大期望算法进行信号的自补足，同时扩大各信号段之间的距离；

通过循环神经网络利用自补足后的等长信号进行声源位置的估计。

2.如权利要求1所述的声源位置估计方法，其特征在于，所述多通道信号为四通道信号，包括三个正交方向的振速信号：x轴方向振速vx，y轴方向振速vy，z轴方向振速vz和一个标量声压信号p。

3.如权利要求2所述的声源位置估计方法，其特征在于，通过固定窗将多通道信号融合为瞬时单通道声强信号，遍历所有长度的动态窗，寻找信息熵最速上升段，确定最佳动态窗，通过最佳动态窗基于信息熵将固定窗口内的瞬时单通道声强信号动态截取为不等长信号，对于截取的不等长信号，利用最大期望算法进行信号的自补足。

4.如权利要求3所述的声源位置估计方法，其特征在于，通过固定窗-动态窗的联合滑动，划分为包含足够信息量的信号段，具体为：

401对于采集到的四通道信号p,vx,vy,vz，给定固定窗口长度lf和窗口初始起点

402利用窗口长度和起始点分别为lf和 的固定窗 进行窗口内的四通道信息融合，得出长度为lf瞬时单通道声强信号；

403在瞬时单通道声强信号 内截取窗口长度和起始点分别为 和 的动态窗 可认为所述动态窗 内信号在满足足够信息量的需求下信号长度尽可能短；

404返回402，以信号重叠率η更新固定窗 的起始点 循环运算。

5.如权利要求4所述的声源位置估计方法，其特征在于，所部步骤402中，通过固定大小的时间窗在各通道信号内同步滑移，提取信号通过互谱法将信息融合为瞬时单通道声强信号，具体为：

501根据信号融合程度，给定固定窗长度lf和窗口起始点

502分别在声压p和各轴向振速vx,vy,vz的信号通道内，以相同起始点 截取窗口大小为lf的信号段，对应的窗口信号为

503基于互谱法计算各窗口信号融合后的瞬时单通道声强信号 实现多传感器的信息融合，融合后的瞬时单通道声强信号的计算公式为：其中 和 为x、y、z三个分量的互谱函数， 是p2(f)的谱函数，f是频率，Re[]为进行拉普拉斯变换，θ、是声源相对于矢量水听器的俯仰角和方位角，分别以xoy平面和x轴为0°，p(t)、vx(t)、vy(t)、vz(t)分别为t时刻下矢量水听器的接收到的声压信号和各方向振速信号。

6.如权利要求4所述的声源位置估计方法，其特征在于，所述步骤403中，对固定窗内的瞬时单通道声强信号 遍历所有长度的动态窗，找取信息熵的最速增长段，即为最佳动态窗口 具体为：

601在截取的瞬时声强信号I的固定窗 内，以固定窗起始点 出发，遍历整个窗口，通过如下公式计算所有长度信号的信息熵，构造成信息熵信号其中，xi为随机事件X可能的取值，；Shannon(X)为随机事件X包含的信息熵，m为随机事件的总数，p(xi)为xi发生的概率；

602根据 的求导结果 寻找 的最速增长段，标记长度为 跳至步骤604；

603若在 内未找到最速增长段，则可认为该固定窗 内的信号为无效信号或噪声信号，则标记长度为 满足以下两条件：当 较小，则认为该信号为空信号或固定窗内信号信息熵含量不足，取 l0为预设最小截取长度；

当 较大，则认为该信号为噪声信号或含信息熵较高的有用信号，取 l1为预设最大截取长度；

604在固定窗 内从起始点 开始截取长度为 的信号段为动态窗 并标记窗口终止时间为

7.如权利要求1所述的声源位置估计方法，其特征在于，

利用最大期望算法进行信号的自补足，分割出的不等长信号相当于观测数据X，补足后的等长信号相当于完整数据Y，补充的信号相当于未观测到数据Z，通过最大期望算法迭代结果得参数θ的最大值θ*，即当基于Y的最大似然函数L(θ)取到最大值时，完整数据集的均值和方差ui和 取到最优解，基于观察到的数据集X得到未知数据集Z，进而补足完整数据集Y，具体为：

701令迭代次数t＝0，初始化参数向量θ(0)，θ为数据集Y的均值和方差组成的参数向量，计算初始最大似然函数L(0)(θ)：

702由θ(t)得到 保证在给定θ(t)时，ln(E(X))≥E[ln(X)]的等号成立，以建立L(θ(t))的下界；

703固定 并将θ(t)视作变量，对702步中的L(θ(t))求导，由公式得到θ(t+1)；

704如果|L(θ(t+1))-L(θ(t))|≤ε时，迭代计算结束，否则令t＝t+1，返回至702步，其中阈值ε为给定的很小值；

其中，Qi表示未知数据Z的某种分布；p(x(i),z(i)；θ(t))为θ(t)条件下发生x(i),z(i)的概率；

上标i为对应参数的第i个值；ε为阈值，为初始给定的一个很小的值，作为终止迭代的标准，E[]为数学期望。

8.如权利要求1所述的声源位置估计方法，其特征在于，通过循环神经网络利用自补足后的等长信号进行声源位置的估计，具体为：利用最大期望算法以补充后的信号段作为输入，输出不同信号段下声源的方位角和距离，通过不同信号段的估计结果交叉验证，实现声源位置的精准定位。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8任一项所述的声源位置估计方法中的步骤。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-8任一项所述的声源位置估计方法中的步骤。