1.一种强噪声环境下的语音检测方法，其特征在于，包括：采集预设环境下在时间t时的声音信号，所述声音信号对应的声音由人物发出的语音以及与所述语音相对的噪声混合形成；

检测所述声音信号的幅值f和频率p，计算所述声音信号的功率谱密度 ；

根据预设的所述环境下的噪声强度z，计算所述噪声的功率谱密度 ；

将所述声音信号的功率谱密度  和所述噪声的功率谱密度 置入预设的语音检测模型，输出所述语音的功率谱密度 ，所述语音检测模型为：；

其中，m、n为预先设置的系数；

根据所述语音的功率谱密度 ，计算所述语音的信噪比X；调整所述语音检测模型的系数m、n，重新使用所述语音检测模型计算所述语音的功率谱密度 以及重新计算所述语音的信噪比X，直至所述语音的信噪比X达到最大值；

根据信噪比X达到最大值时所述语音的功率谱密度 输出所述语音。

2.根据权利要求1所述的强噪声环境下的语音检测方法，其特征在于，“根据预设的所述环境下的噪声强度z，计算所述噪声的功率谱密度 ”的步骤包括：通过预设的噪声预测模型计算所述噪声的功率谱密度 ，所述噪声预测模型为：；

其中， 为朗之万方程， 为狄拉克函数， 为预设的延迟时间， 为在时间 所述噪声的功率谱密度。

3.根据权利要求1所述的强噪声环境下的语音检测方法，其特征在于，“采集预设环境下在时间t时的声音信号”的步骤包括：检测所述环境中所述人物的位置 ；

检测所述噪声的来源的位置 ；

根据所述人物的位置 和所述噪声来源的位置 ，计算所述环境中采集所述声音信号的采集点的位置 ，使 ，其中， 为所述人物的数量， 为所述噪声的来源的数量；

在所述采集点采集所述声音信号。

4.根据权利要求1所述的强噪声环境下的语音检测方法，其特征在于，在“根据预设的所述环境下的噪声强度z，计算所述噪声的功率谱密度 ”的步骤之前，还包括：在所述环境中检测所述噪声的来源的类型；

根据所述噪声的来源的类型，从预设的多种类型噪声来源的噪声强度中，查询所述环境下所述噪声来源的噪声强度z。

5.根据权利要求1所述的强噪声环境下的语音检测方法，其特征在于，“检测所述声音信号的幅值f和频率p”的步骤还包括：判断所述声音信号的幅值f是否高于 ，在判断结果为否时在所述环境中更换在所述环境中采集所述声音信号的采集点的位置，并重新采集所述声音信号。

6.根据权利要求1所述的强噪声环境下的语音检测方法，其特征在于，“重新使用所述语音检测模型计算所述语音的功率谱密度 以及重新计算所述语音的信噪比X，直至所述语音的信噪比X达到最大值”的步骤包括：将每次计算得到的所述语音的信噪比存储到预设的队列中，当所述队列的长度超过预设阈值且最近一次计算得到的信噪比高于所述队列中存储的信噪比最大值时，认为最近一次计算得到的信噪比达到最大值。

7.一种强噪声环境下的语音检测系统，其特征在于，包括：声音信号采集模块，采集预设环境下在时间t时的声音信号，所述声音信号对应的声音由人物发出的语音以及与所述语音相对的噪声混合形成；

检测模块，检测所述声音信号的幅值f和频率p，计算所述声音信号的功率谱密度；

功率谱密度计算模块，根据预设的所述环境下的噪声强度z，计算所述噪声的功率谱密度 ；

功率谱密度输出模块，将所述声音信号的功率谱密度 和所述噪声的功率谱密度 置入预设的语音检测模型，输出所述语音的功率谱密度 ，所述语音检测模型为：；

其中，m、n为预先设置的系数；

信噪比计算模块，根据所述语音的功率谱密度 ，计算所述语音的信噪比X；

调整模块，调整所述语音检测模型的系数m、n，重新使用所述语音检测模型计算所述语音的功率谱密度 以及重新计算所述语音的信噪比X，直至所述语音的信噪比X达到最大值；

语音输出模块，根据信噪比X达到最大值时所述语音的功率谱密度 输出所述语音。