1.基于时频掩码分离的数字音频降噪方法，其特征在于，具体步骤包括：步骤S1：多模态数据采集与同步处理：多模态数据包括车速信号、车体振动信号、扬声器回传信号、环境气流信号以及车门密封性参数；

步骤S2：空气动力噪声物理建模：对多模态数据序列中包括的车速信号和环境气流信号进行分析，生成风噪幅度因子，利用车门密封性参数，结合风噪幅度因子，建立低频风噪和高频噪声分布的动态预测模型，得到风噪模型；

步骤S3：车体振动噪声建模：

将多模态数据序列中包括的车体振动信号经过短时傅里叶变换处理，生成车体振动信号的时频分布，用于描述车体低频共振噪声特性，形成振动噪声模型；

步骤S4：扬声器回声建模：

获取多模态数据序列中包括的扬声器回传信号进行时频分析，并结合车门密封性参数，得到回声噪声信号模型；

步骤S5：噪声信号融合模型构建：获取得到的风噪模型，振动噪声模型和回声噪声信号模型，构建综合噪声分布模型；

步骤S6：初始时频掩码生成：

获取构建的综合噪声分布模型，计算初始时频掩码；

步骤S7：针对初始时频掩码进行动态掩码优化：动态调整初始时频掩码，生成优化后的动态掩码；

步骤S8：多通道音频信号降噪及分离：获取生成的动态掩码，对多通道车载音频信号逐个通道进行降噪处理，以提取纯净的目标音频信号；基于提取的目标音频信号，进一步进行音区分离操作，用于识别不同声源的音频区域。

2.根据权利要求1所述的基于时频掩码分离的数字音频降噪方法，其特征在于：车速信号，用于分析风噪声强度；

车体振动信号，用于分析低频振动噪声分布；

扬声器回传信号，用于分析扬声器回声干扰；

环境气流信号，用于捕捉空气动力噪声特性；

车门密封性参数，用于反映噪声传播影响；

对多模态输入信号进行时间对齐处理，生成多模态数据序列。

3.根据权利要求2所述的基于时频掩码分离的数字音频降噪方法，其特征在于：所述车速信号，用于分析风噪声强度，具体为：将车速信号表征为车辆速度，将采样时刻t采集到的车辆速度记为v(t)；

定义车速信号与风噪声强度之间的关联公式为：其中， 表示采样时刻t的风噪声强度；

为空气密度；

为车辆空气动力学阻力系数；车辆速度v(t)越大，相应的风噪声强度越大；

所述车体振动信号，用于分析低频振动噪声分布，具体为：采集车体底盘靠近座椅处每一采样时刻t的三轴振动加速度信号，每一采样时刻t的三轴振动加速度信号表示为 ，其中 分别为采样时刻t的三轴振动加速度分量；

使用时频分析提取三轴振动加速度信号的频域特征，计算总振动噪声幅度；

所述扬声器回传信号，用于分析扬声器回声干扰，具体为：获取扬声器在采样时刻t的回传信号 ；回传信号 包含扬声器直接发射信号、回声信号以及背景噪声的混合信号；结合车内麦克风阵列在采样时刻t的反馈信号，对反射噪声进行捕获；具体捕获方式包括：对采样时刻t的扬声器发声信号S(t)进行时延分析，计算回声路径所造成的回声延迟时间 ；

根据回声延迟时间 对反射路径上的发声信号S(t)产生的回声信号进行建模，表达式如下：其中 为反射形成的独立回声信号；

为经历回声延迟时间 的扬声器发声信号；

为反射面的吸音系数，表示反射面对声波反射的能量比例； ；

将独立回声信号计算与麦克风阵列采样到的多通道反馈信号进行交叉比对，初步生成经校准的回声噪声信号模型：其中， 为初步校准后的回声噪声信号模型；

为独立回声信号与麦克风阵列反馈数据的权重比重，将环境气流信号表征为气流速度，将采样时刻t采集的气流速度记为u(t)；将所有采样时刻t对应的采样总数记为N；

使用高通滤波器对采集的气流速度信号u(t)进行基础清洗，滤除低频输入干扰，滤波后的气流速度记为u'(t)；

根据滤波后的气流速度u'(t)，利用以下公式计算气流压力值：其中： 是采样时刻t对应的单位面积气流压力值；

是空气密度；

逐点计算 ，形成不同采样时刻t的气流压力值集合，并将气流压力值集合记为：其中， 代表 中采样时刻 处的气流压力值，是数据集中的一个元素；i∈{1,2，…，N}；

对 进行短时傅里叶变换，分析环境气流信号在时频域的分布特性，得到气流压力值的时频分布 ；其中 是目标频率；

基于傅里叶变换的结果，对频域内的时频分布 进行归一化处理，统一量纲，得到归一化后的时频分布 。

4.根据权利要求3所述的基于时频掩码分离的数字音频降噪方法，其特征在于：所述车门密封性参数，用于反映噪声传播影响，具体为：将车门密封性参数表征为车门的振动信号，获取车门的振动信号，将在采样时刻t的振动信号记为 ；

采集车内环境噪声的时域信号 ；

通过快速傅里叶变换，将车内环境噪声的时域信号 转化为频域信号；

将频域信号 转化为表征噪声功率分布的功率谱密度，计算公式如下：

是车内噪声信号的功率谱密度；

为频率 对应的幅值；

为分析窗口长度;

在车门的振动信号所属的同一时间段内，测量车外基准噪声的时域信号，最终将车外基准噪声所对应时域信号的功率谱密度 作为对比基准；

根据获得的车门振动信号 ，分析 低频振动特性，通过数字滤波器提取在0.5Hz到10Hz之间的频率分量；

根据车内和车外噪声信号的功率谱密度，计算车门密封影响的声传递函数：其中， 是车门密封性影响的声传递函数；

是车内噪声信号的功率谱密度；

是车外基准噪声的功率谱密度；

综合考虑振动信号 与声传递函数 的关系，形成以下函数模型：

其中， 是综合密封参数函数，反映时间和频率的双重影响；b1和b2是经验调节系数，b1+b2=1，且b1和b2取值均在区间（0,1）内。

5.根据权利要求4所述的基于时频掩码分离的数字音频降噪方法，其特征在于：风噪模型的建模步骤如下所示：计算车速信号与环境气流信号所对应气流特性之间的关系，生成风噪幅度因子；

利用车门密封性参数，结合风噪幅度因子，建立低频风噪和高频噪声分布的动态预测模型，得到风噪模型；所述风噪模型的获取，具体为：定义风噪幅度因子用于表征气流动压值与车辆速度引起的风噪声强度的动态比例关系，将采样时刻t的风噪幅度因子记为 ， 公式如下：其中， 表征采样时刻t对应的单位面积气流压力值；

表征采样时刻t因车辆速度引起的风噪声强度；

结合风噪幅度因子，得到以下风噪模型：其中， 是归一化后的时频分布； 是综合密封参数函数，表示风噪声强度分布的动态预测量化模型，用于分析和评估风噪在时间序列和频率范围中的分布动态特性；

是频率维度，用于描述风噪在频率域的分布特征，分布特征包括低频风噪和高频噪声的特性。

6.根据权利要求5所述的基于时频掩码分离的数字音频降噪方法，其特征在于：对总振动噪声幅度 进行低通滤波，将滤波后的低频总振动幅值记为；将滤波后的振动幅值分布进行归一化，得到以下振动噪声模型：其中： 是归一化后的振动噪声模型所对应的振动噪声时频分布；

是在整个时频矩阵中的最大值。

7.根据权利要求6所述的基于时频掩码分离的数字音频降噪方法，其特征在于：结合车门密封性参数，得到回声噪声信号模型，具体包括：将综合密封参数函数 与初步校准后的回声噪声信号模型进行结合，得到以下回声噪声信号模型：其中， 是最终校准后的回声噪声信号模型。

8.根据权利要求7所述的基于时频掩码分离的数字音频降噪方法，其特征在于：对风噪模型 、振动噪声模型 和回声噪声信号模型进行频率重采样；

通过快速傅里叶变换将每个模型信号从时间域转换到频率域；

选定统一的采样频率 和频率范围 ，对各模型进行频率重采样；

以使各模型在频域上具有一致的频率刻度和频率分辨率；将经过频率重采样后，对应于一致的频率刻度的风噪模型，振动噪声模型和回声噪声信号模型分别记为、 和 ；

将综合噪声分布模型表征为：

其中， 是综合噪声分布模型； 是风噪模型， 是振动噪声模型， 是回声噪声信号模型；t和 分别表示信号的时间和频率维度； 为权重参数。

9.根据权利要求8所述的基于时频掩码分离的数字音频降噪方法，其特征在于：将初始时频掩码记为 ， 确定表达式如下：其中， 为输入音频信号的时频分布， 为综合噪声分布模型；

将优化后的动态掩码记为 ；

其中， 表示综合噪声分布模型的时间变化导数，反映噪声的动态特性；为平衡因子，控制动态掩码与时间变化导数之间的权重。

10.根据权利要求9所述的基于时频掩码分离的数字音频降噪方法，其特征在于：多通道音频信号降噪及分离，具体包括：获取优化后的动态掩码 ；将第m个通道输入音频信号的时频分布记为， ， 是通道总数；使用短时傅里叶变换将每个通道的音频信号转换为时频表示：

其中， 是第m个通道的时间域信号， 表示短时傅里叶变换操作；

对于每个时频点 ，计算噪声和目标信号的分离权重；将动态掩码 应用到每个通道表示的时频分布 ，获得噪声抑制后的信号 ：其中， 为降噪后第m个通道的时频信号；应用动态掩码时：若噪声水平越高，则 越大，动态掩码 越趋近于0，对应噪声抑制越强；

若目标信号越强，则 ，动态掩码 越趋近于

1，对应完整保留目标信号；

对降噪后的第m个通道的时频信号 进行逆短时傅里叶变换，恢复降噪后的时域信号 ：其中， 表示逆短时傅里叶变换操作， 为基于动态掩码降噪后第m个通道的时域信号；

在完成多通道音频信号的降噪处理后，利用动态掩码对降噪后的信号进行音源分离，以识别不同声源的音频区域。