1.一种基于声纹库的油站服务质量提升方法,其特征在于:拾取服务人员的服务用语并将服务用语作为单个服务周期的语言节点化,实现服务人员处于服务时间段的礼貌用语监管用于提升服务状态的服务质量,具体包括:S1.建立所处环境中的杂质音的语音数据库,包括

采集所处环境中的服务时间段的的语音数据库,将该语音数据库定义为干扰语音数据库,并分析干扰语音数据库内声音特征，S1.1.分析干扰语音数据库内声音特征，将所处场中音频库分离为多根连续性不间断的声纹线，每条声纹线响度峰值H、谷值N及中间离散点S，将纹线响度峰值H、谷值N及中间离散点S进行快速傅里叶变换转换得到组成该条曲线的离散正弦波，将所有的离散正弦波sinx，进行再次解构eix＝cosx+i sinx，将得到的离散正弦波和达到的离散正弦波余弦波数值转换即得到包含所处环境中的所有杂质音函数库，所处环境中的杂质音的声音模型库建立完成；

S2.拾取高好感度的礼貌用语节点：

在数据库中，甄选服务人员语言节点标志性用语库，由数据库中对于礼貌用语好感度进行甄选，将单个服务周期，划分出服务周期开始节点、至少一个服务周期小循环节点、服务周期结束节点由数据库甄选出标志性用语，每个标志性用语与一个节点绑定，服务周期小循环节点为提起油枪、启动油枪、归位油枪等动作；

S3.建立服务人员的声音模型库,包括

由服务人员处于静音环境中录入上述所获得的标志性用语，将录入的标志性用语提取高鲁棒性情绪声音特点DNNi-vector，对每个服务人员的DNNi-vector与身份信息匹配，建立起高鲁棒性的服务人员的语音数据库；

S4.抗干扰高识别度性的油站环境语音数据库

将所处环境中的杂质音的声音模型库高低噪滤波后，与服务人员的语音数据库融合，对服务人员的语音数据库加权，使得服务人员的语音数据库所表达声纹基础上在加权系数s的区间得到高具备升降量的声纹，将加权后的服务人员的语音数据库与杂质音的语音数据库高低噪滤波波形叠加，将叠加后的声音模型库高低噪滤波波形自上述步骤S1.1重新循环，得到噪音鉴别触发库，在不同环境的相同服务时间段按照以下顺序重复步骤S1.S3.S4依次循环得到N个鉴别触发库并进行训练；

S5.闭环.在加油过程中服务人员依次口述步骤S2甄选出来的服务周期开始节点、服务周期小循环节点、服务周期结束节点，并将语音信息回传至云数据库，云数据库对语音信息存储并自动甄别单个服务周期中服务周期开始节点、服务周期小循环节点、服务周期结束节点是否口述到位。

2.根据权利要求1所述的一种基于声纹库的油站服务质量提升商业方法,其特征在于：在S5闭环步骤中，服务周期开始节点、服务周期小循环节点、服务周期结束节点，分别赋分值，分值与云数据库中存储服务人员个人信息相连，云数据库自动为存储服务人员计分并算入绩效。

3.根据权利要求1所述的一种基于声纹库的油站服务质量提升商业方法,其特征在于：在步骤S5中服务人员依次口述步骤S2甄选出来的服务周期开始节点、服务周期小循环节点、服务周期结束节点时对所述的提取出来的进行声学模型训练并提取高鲁棒性情绪声音特点DNNi-vector进行重合匹配，重合匹配度超过预设值则拾取声音为对应服务人员声音，重合匹配度未超过预设值则拾取声音错误。

4.根据权利要求1所述的一种基于声纹库的油站服务质量提升商业方法,其特征在于：所述的步骤S3中，把每段所录入的标志性用语映射到多维的特征空间，多维的特征空间针对声音片段标记X、Y……L进行标记,得到表征声音片段的个性特征的向量序列J(W，b，x，y)。

5.根据权利要求4所述的一种基于声纹库的油站服务质量提升商业方法,其特征在于：所述的步骤S5中对DNNi-vector进行计算，采用DNN网络参数进行训练，①对DNN网络参数初始化，采用带有标签的向量序列对DNN网络进行监督的参数更新，进行DNN训练，在DNN训练中采用误差反向传递算法进行参数训练。

6.根据权利要求5所述的一种基于声纹库的油站服务质量提升商业方法,其特征在于：每个子空间内对特征进行将多维的特征空间降维成为单数值量的特征端因子表征的单维特征空间。

7.根据权利要求6所述的一种基于声纹库的油站服务质量提升商业方法,其特征在于：对每个子空间内降维后的特征端因子与表征说话人个性特征的向量序列分别进行匹配，将匹配后的特征端因子赋予添加服务用语内容分类的标签，将DNN网络中该特征端因子参数更新，以为服务用语内容分类为基准进行声纹信息的匹配，对该信息予以确认，判断员工是否使用了规范服务用语。