1.一种轨道交通噪声贡献量确定方法，其特征在于，包括以下步骤：获取混合环境噪声信号；

将所述混合环境噪声信号输入到预先训练好的噪声分离模型中，得到第一轨道交通噪声信号和第一环境背景噪声信号，并确定所述第一轨道交通噪声信号的第一振幅信息和第一相位信息；

根据所述第一振幅信息、所述第一相位信息以及所述混合环境噪声信号确定所述第一轨道交通噪声信号的贡献量；

所述轨道交通噪声贡献量确定方法还包括训练噪声分离模型的步骤，其具体包括：获取轨道交通噪声数据集和环境背景噪声数据集；

根据所述轨道交通噪声数据集和所述环境背景噪声数据集确定训练数据集、验证数据集以及测试数据集；

将所述训练数据集输入到深度神经网络进行训练，并通过所述验证数据集进行验证、通过所述测试数据集进行测试，得到训练好的噪声分离模型；

其中，所述轨道交通噪声数据集包括不同车速、不同发车密度下的轨道交通工具产生的第二轨道交通噪声信号，所述环境背景噪声数据集包括道路交通噪声信号、风声信号、雨声信号以及雷声信号；

所述根据所述轨道交通噪声数据集和所述环境背景噪声数据集确定训练数据集、验证数据集以及测试数据集这一步骤，其具体包括：从所述轨道交通噪声数据集中随机抽取出第一噪声信号，并从所述环境背景噪声数据集中随机抽取出第二噪声信号；

将所述第一噪声信号和所述第二噪声信号以预设的能量比进行混合处理，得到用于训练的第一混合噪声信号、用于验证的第二混合噪声信号以及用于测试的第三混合噪声信号；

根据所述第一混合噪声信号构建训练数据集，根据所述第二混合噪声信号构建验证数据集，并根据所述第三混合噪声信号构建测试数据集；

所述噪声分离模型包括编码器、分离网络以及解码器，所述将所述混合环境噪声信号输入到预先训练好的噪声分离模型中，得到第一轨道交通噪声信号和第一环境背景噪声信号，并确定所述第一轨道交通噪声信号的第一振幅信息和第一相位信息这一步骤，其具体包括：将所述混合环境噪声信号输入到所述噪声分离模型，通过编码器对所述混合环境噪声信号进行编码处理生成第一特征映射；

通过分离网络对所述混合环境噪声信号进行分离处理得到第一加权系数矩阵和第二加权系数矩阵，并根据所述第一加权系数矩阵、所述第二加权系数矩阵以及所述第一特征映射得到轨道交通噪声特征映射和环境背景噪声特征映射；

通过解码器对所述轨道交通噪声特征映射和环境背景噪声特征映射进行解码处理得到第一轨道交通噪声信号和第一环境背景噪声信号；

根据所述第一轨道交通噪声信号的时域波形图确定所述第一振幅信息和所述第一相位信息。

2.根据权利要求1所述的一种轨道交通噪声贡献量确定方法，其特征在于，所述获取混合环境噪声信号这一步骤，其具体为：通过预先设置的传声器采集轨道沿线的混合环境噪声信号，所述混合环境噪声信号包括所述第一轨道交通噪声信号和所述第一环境背景噪声信号。

3.根据权利要求1所述的一种轨道交通噪声贡献量确定方法，其特征在于，所述将所述训练数据集输入到深度神经网络进行训练这一步骤，其具体包括：将所述训练数据集输入到深度神经网络，得到噪声分离预测结果；

根据所述噪声分离预测结果和所述第一混合噪声信号的标签确定训练的损失值；

根据所述损失值对深度神经网络的参数进行更新；

其中，所述标签包括所述第一混合噪声信号中第二轨道交通噪声信号的振幅信息和相位信息。

4.根据权利要求1至3中任一项所述的一种轨道交通噪声贡献量确定方法，其特征在于，所述根据所述第一振幅信息、所述第一相位信息以及所述混合环境噪声信号确定所述第一轨道交通噪声信号的贡献量这一步骤，其具体包括：根据所述第一振幅信息和所述第一相位信息确定所述第一轨道交通噪声信号的第一声功率；

确定所述混合环境噪声信号的第二声功率；

根据所述第一声功率和所述第二声功率确定所述第一轨道交通噪声信号对所述混合环境噪声信号的贡献量。

5.一种轨道交通噪声贡献量确定系统，其特征在于，包括：混合环境噪声获取模块，用于获取混合环境噪声信号；

噪声分离模块，用于将所述混合环境噪声信号输入到预先训练好的噪声分离模型中，得到第一轨道交通噪声信号和第一环境背景噪声信号，并确定所述第一轨道交通噪声信号的第一振幅信息和第一相位信息；

贡献量确定模块，用于根据所述第一振幅信息、所述第一相位信息以及所述混合环境噪声信号确定所述第一轨道交通噪声信号的贡献量；

所述噪声分离模型通过以下步骤训练得到：

获取轨道交通噪声数据集和环境背景噪声数据集；

根据所述轨道交通噪声数据集和所述环境背景噪声数据集确定训练数据集、验证数据集以及测试数据集；

将所述训练数据集输入到深度神经网络进行训练，并通过所述验证数据集进行验证、通过所述测试数据集进行测试，得到训练好的噪声分离模型；

其中，所述轨道交通噪声数据集包括不同车速、不同发车密度下的轨道交通工具产生的第二轨道交通噪声信号，所述环境背景噪声数据集包括道路交通噪声信号、风声信号、雨声信号以及雷声信号；

所述根据所述轨道交通噪声数据集和所述环境背景噪声数据集确定训练数据集、验证数据集以及测试数据集这一步骤，其具体包括：从所述轨道交通噪声数据集中随机抽取出第一噪声信号，并从所述环境背景噪声数据集中随机抽取出第二噪声信号；

将所述第一噪声信号和所述第二噪声信号以预设的能量比进行混合处理，得到用于训练的第一混合噪声信号、用于验证的第二混合噪声信号以及用于测试的第三混合噪声信号；

根据所述第一混合噪声信号构建训练数据集，根据所述第二混合噪声信号构建验证数据集，并根据所述第三混合噪声信号构建测试数据集；

所述噪声分离模型包括编码器、分离网络以及解码器，所述噪声分离模块具体用于：将所述混合环境噪声信号输入到所述噪声分离模型，通过编码器对所述混合环境噪声信号进行编码处理生成第一特征映射；

通过分离网络对所述混合环境噪声信号进行分离处理得到第一加权系数矩阵和第二加权系数矩阵，并根据所述第一加权系数矩阵、所述第二加权系数矩阵以及所述第一特征映射得到轨道交通噪声特征映射和环境背景噪声特征映射；

通过解码器对所述轨道交通噪声特征映射和环境背景噪声特征映射进行解码处理得到第一轨道交通噪声信号和第一环境背景噪声信号；

根据所述第一轨道交通噪声信号的时域波形图确定所述第一振幅信息和所述第一相位信息。

6.一种轨道交通噪声贡献量确定装置，其特征在于，包括：至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1至4中任一项所述的一种轨道交通噪声贡献量确定方法。

7.一种计算机可读存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由处理器执行时用于执行如权利要求1至4中任一项所述的一种轨道交通噪声贡献量确定方法。