1.一种时间序列复杂度测量方法，其特征在于，所述方法包括：对噪声音频数据的原始时间序列进行不相似性计算，得到时间序列不相关指数；具体为：对噪声音频数据的原始时间序列进行不相似性计算，得到皮尔逊相关系数；

根据所述皮尔逊相关系数，得到时间序列不相关指数；

采用如下公式计算所述皮尔逊相关系数：

采用如下公式计算所述时间序列不相关指数：

其中， 和 是原始时间序列 的构造向量 中的第i个和第j个元素， 为原始时间序列 的长度， ， 为设定的窗口长度，构造向量中的元素为 ， 为 和 的协方差，和 分别为 和 的方差；

对所述原始时间序列进行缺失数据计算，得到时间序列缺失值；

对所述原始时间序列进行混沌指数计算，得到时间序列混沌指数；

对所述原始时间序列进行偏度计算，得到时间序列偏度绝对值；

根据预定权重，对所述时间序列不相关指数、所述时间序列缺失值、所述时间序列混沌指数和所述时间序列偏度绝对值进行加权计算，得到所述噪声音频数据的时间序列复杂度。

2.根据权利要求1所述的时间序列复杂度测量方法，其特征在于，采用如下公式计算所述时间序列缺失值：其中，为原始时间序列中缺失值的数量，为原始时间序列中重复值的数量， 为原始时间序列的长度。

3.根据权利要求1所述的时间序列复杂度测量方法，其特征在于，采用如下公式计算所述时间序列混沌指数：其中， ， 为原始时间序列中 时刻的时间序列值， 为 时刻时间序列值的邻点， 为 时 及其邻点的距离。

4.根据权利要求1所述的时间序列复杂度测量方法，其特征在于，采用如下公式计算所述时间序列偏度绝对值：其中， 为偏度， 为样本均值， 为标准差， 为原始时间序列， 为期望算子。

5.根据权利要求1所述的时间序列复杂度测量方法，其特征在于，采用如下公式对所述时间序列不相关指数、所述时间序列缺失值、所述时间序列混沌指数和所述时间序列偏度绝对值进行加权计算，得到所述噪声音频数据的时间序列复杂度：其中， 为时间序列不相关指数， 为 的权重值， 为时间序列缺失值， 为的权重值， 为时间序列混沌指数， 为 的权重值， 为时间序列偏度绝对值，为 的权重值。

6.根据权利要求5所述的时间序列复杂度测量方法，其特征在于，对所述时间序列不相关指数、所述时间序列缺失值、所述时间序列混沌指数和所述时间序列偏度绝对值进行层次分析，得到各自的所述预定权重。

7.一种时间序列复杂度测量系统，其特征在于，所述系统包括：不相似性分析模块，用于对噪声音频数据的原始时间序列进行不相似性计算，得到时间序列不相关指数；具体为：对噪声音频数据的原始时间序列进行不相似性计算，得到皮尔逊相关系数；

根据所述皮尔逊相关系数，得到时间序列不相关指数；

采用如下公式计算所述皮尔逊相关系数：

采用如下公式计算所述时间序列不相关指数：

其中， 和 是原始时间序列 的构造向量 中的第i个和第j个元素，为原始时间序列 的长度， ， 为设定的窗口长度，构造向量中的元素为 ， 为 和 的协方差， 和分别为 和 的方差；

缺失数据分析模块，用于对所述原始时间序列进行缺失数据计算，得到时间序列缺失值；

混沌特征分析模块，用于对所述原始时间序列进行混沌指数计算，得到时间序列混沌指数；

偏度分析模块，用于对所述原始时间序列进行偏度计算，得到时间序列偏度绝对值；

复杂度测量模块，用于根据预定权重，对所述时间序列不相关指数、所述时间序列缺失值、所述时间序列混沌指数和所述时间序列偏度绝对值进行加权计算，得到所述噪声音频数据的时间序列复杂度。

8.一种计算机设备，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计算机程序时实现权利要求1至6中任一项所述方法的步骤。

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，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。