1.一种基于车辆噪音的智能手机交通危险预警系统，其特征在于，该智能手机交通危险预警系统包括数据采集模块、特征提取模块、中央处理单元、后台数据库、控制模块及预警模块；所述的特征提取模块的输入端连接采集模块，输出端连接中央处理单元；所述的中央处理单元输出端与控制模块连接，并且与后台数据库相互通讯；所述的控制模块负责接收中央处理单元的控制指令，并控制预警模块的工作状态；所述的智能手机交通危险预警系统是作为一项在智能手机平台上开发出的应用程序APP存在于手机主界面的；

所述的数据采集模块，包括置于智能手机内部的麦克风，负责实时采集周围的车辆噪音数据，所述的车辆噪音数据包括车辆噪音声强数据和音频数据；

所述的特征提取模块，负责从车辆噪音数据数组中提取车辆噪音特征，并将其传输给中央处理单元，所述的车辆噪音特征包括车辆噪音声强变化特征和音频频谱特征；

所述的中央处理单元，是整个系统的决策单元，与后台数据库进行通讯，负责根据车辆噪音特征调用后台数据库中存储的匹配关系和模型，向模型中输入当前车辆噪音数据，输出结果，进行分析判断，并向控制模块发出指令；

所述的控制模块，内部有预先设定好的控制程序，负责接收中央处理单元的指令，控制预警装置的工作状态；

所述的预警模块，即置于智能手机内部的常用硬件响应设备，包括手机屏幕、语音设备以及振动设备，负责提醒智能手机用户及时避让车辆。

2.根据权利要求1所述的一种基于车辆噪音的智能手机交通危险预警系统，其特征在于，所述的后台数据库中存储的匹配关系和模型的建立方法步骤如下：B1.采集训练样本：采集的训练样本存储在后台数据库中，训练样本包括车辆噪音数据、车辆类型、车速、车辆与行人间距以及车辆与行人相对距离关系，所述的车辆类型包括大型车、中型车以及小型车三种类型；所述的车辆与行人相对距离关系包括车辆驶近行人和驶离行人两种相对距离关系；

B2.提取车辆噪音特征：分别在车辆驶近行人和驶离行人两种情况下，分析并提取出三种车辆类型以不同车速行驶时共同的车辆噪音声强变化特征；在驶近行人情况下，分析并提取出分别与三种类型车辆相对应的不同行驶车速下共同的车辆噪音音频频谱特征；

B3.建立匹配关系：所述的匹配关系包括两种匹配关系，即第一种是车辆噪音声强变化特征和车辆与行人相对距离关系之间的匹配关系，用于根据车辆噪音声强变化特征来判断车辆是驶近行人还是驶离行人，第二种是车辆噪音音频频谱特征与车辆类型之间的匹配关系，用于根据车辆噪音音频频谱特征匹配出车辆类型；

B4.建立模型：不考虑车辆驶离行人的情况，仅在车辆驶近行人的情况下建立与三种车辆类型分别相对应的车辆噪音数据和车速、车辆与行人间距的人工神经网络模型，且一种车辆类型对应一种人工神经网络模型的执行程序；所述的人工神经网络模型对车辆噪音数据和车速、车辆与行人间距进行并行协同处理，通过调整网络中内部节点之间的相互连接关系，找到车辆噪音数据和车速、车辆与行人间距之间的相应关系；所述的人工神经网络模型采用简单式的BP神经网络模型，其输入层是车辆噪音数据，输出层是车速、车辆与行人间距。

3.根据权利要求2所述的一种基于车辆噪音的智能手机交通危险预警系统，其特征在于，所述的采集的训练样本的存储形式是：按照车辆与行人相对距离关系建立两个储存文件，然后分别在车辆与行人相对距离关系的储存文件中建立三个车辆类型的子文件，将上述车速样本值、车辆与行人间距样本值及采集到的相应的车辆噪音数据以分类矩阵的形式存储在子文件中。

4.根据权利要求2所述的一种基于车辆噪音的智能手机交通危险预警系统，其特征在于，所述的车辆噪音声强变化特征和车辆与行人相对距离关系之间的匹配关系是：车辆噪音声强变化呈降低趋势的特征与车辆驶离行人相匹配，呈升高趋势的特征与车辆驶近行人相匹配。

5.一种基于车辆噪音的智能手机交通危险预警方法，其特征在于，程序包括六个模块：

数据采集模块、特征提取模块、中央处理单元、后台数据库、控制模块及预警模块，该方法步骤如下：

S1.利用智能手机麦克风实时采集周围环境中的车辆噪音数据，构成车辆噪音数据数组，所述的车辆噪音数据数组包括车辆噪音声强数据数组和音频数据数组；

S2.对采集到的车辆噪音数据数组进行车辆噪音特征提取，所述的车辆噪音特征包括车辆噪音声强变化特征和音频频谱特征；

S3.根据车辆噪音声强变化特征，调用后台数据库中存储的车辆噪音声强变化特征和车辆与行人相对距离关系的匹配关系进行匹配得出结果；

S4.若匹配结果是车辆正处于驶近行人状态，则立即触发智能手机初次预警，否则，智能手机仍处于实时采集状态；

S5.在智能手机已触发初次预警前提下，根据车辆噪音音频频谱特征调用后台数据库中存储的车辆噪音音频频谱特征与车辆类型的匹配关系，匹配出当前车辆类型，从而调用该车辆类型所对应的人工神经网络模型；

S6.分别从车辆噪音声强数据数组和音频数据数组中提取最后一个数据分量，即当前的车辆噪音数据，输入到人工神经网络模型中，输出当前车速、车辆与行人间距；

S7.由当前车速确定距离阈值，所述的距离阈值指车辆制动距离、驾驶员的反应距离以及系统反应距离之和；

S8.比较当前车辆与行人间距和距离阈值的大小，若当前车辆与行人间距小于等于距离阈值，则立即触发智能手机紧急预警，否则，仍处于车辆噪音数据的实时采集状态。

6.根据权利要求5所述的一种基于车辆噪音的智能手机交通危险预警方法，其特征在于，车辆噪音特征提取方法包括如下：S21.智能手机麦克风实时采集处理周围环境中的车辆噪音数据，构成车辆噪音数据数组，所述的车辆噪音数据数组包括车辆噪音声强数据数组和音频数据数组；

S22.将声强数据数组中离散的声强数据值做连续化处理，得出函数曲线变化图，提取曲线变化趋势特征，即为声强变化特征；

S23.将车辆噪音音频数据数组做傅里叶变换得到噪音频谱，然后提取噪音音频频谱的频率、振幅及相位特征，即为音频频谱特征。

7.根据权利要求5所述的一种基于车辆噪音的智能手机交通危险预警方法，其特征在于，所述的初次预警是当智能手机检测到车辆噪音后，对手机用户的振动和语音提醒，该初次预警不对智能手机其他应用程序进行任何干扰控制。

8.根据权利要求5所述的一种基于车辆噪音的智能手机交通危险预警方法，其特征在于，所述的紧急预警是当车辆与行人间距进入阈值后，系统控制智能手机进行振动提醒、中断手机当前任务、自动切换手机屏幕以及向耳机插孔中强制性插入语音提示，当危险消除后，则立即回复原来工作状态。