1.一种基于人工智能的远场语音数据信噪比估计方法，其特征在于，包括：基于预先训练得到的决策树模型，对待处理的远场语音数据进行状态绑定；

根据状态绑定结果划分出所述远场语音数据中的噪声段和语音段；

根据划分结果确定出所述远场语音数据的信噪比。

2.根据权利要求1所述的方法，其特征在于，所述基于预先训练得到的决策树模型，对待处理的远场语音数据进行状态绑定之前，进一步包括：利用获取到的近场语音数据，训练得到所述决策树模型。

3.根据权利要求1所述的方法，其特征在于，所述根据状态绑定结果划分出所述远场语音数据中的噪声段和语音段包括：根据获取到的状态id对齐标签，划分出所述远场语音数据中的噪声段和语音段。

4.根据权利要求1所述的方法，其特征在于，所述根据划分结果确定出所述远场语音数据的信噪比包括：分别获取所述噪声段以及所述语音段的幅值能量；

根据获取到的幅值能量计算出所述远场语音数据的信噪比。

5.根据权利要求1所述的方法，其特征在于，该方法进一步包括：

分别获取N条远场语音数据的信噪比，N为大于一的正整数；

根据N条远场语音数据的信噪比，生成信噪比统计直方图；所述信噪比统计直方图的横轴为不同的信噪比取值，所述信噪比统计直方图的纵轴为分别对应于不同的信噪比取值的远场语音数据的条数；

根据所述信噪比统计直方图确定出远场语音数据的信噪比分布范围。

6.根据权利要求5所述的方法，其特征在于，所述根据所述信噪比统计直方图确定出远场语音数据的信噪比分布范围包括：确定出不同的横轴取值对应的纵轴取值中的最大值，将所述最大值作为峰值；

按照预定方式，根据所述峰值确定出一个参考值，所述参考值小于所述峰值；

找出满足以下条件的两个横轴取值：对应的纵轴取值等于所述参考值；

将找出的两个横轴取值构成的区间范围作为远场语音数据的信噪比分布范围。

7.根据权利要求6所述的方法，其特征在于，所述按照预定方式，根据所述峰值确定出一个参考值包括：将所述峰值的1/M作为所述参考值，M为大于一的正整数。

8.一种基于人工智能的远场语音数据信噪比估计装置，其特征在于，包括：绑定单元、划分单元以及估计单元；

所述绑定单元，用于基于预先训练得到的决策树模型，对待处理的远场语音数据进行状态绑定；

所述划分单元，用于根据状态绑定结果划分出所述远场语音数据中的噪声段和语音段；

所述估计单元，用于根据划分结果确定出所述远场语音数据的信噪比。

9.根据权利要求8所述的装置，其特征在于，所述装置中进一步包括：训练单元；

所述训练单元，用于利用获取到的近场语音数据，训练得到所述决策树模型。

10.根据权利要求8所述的装置，其特征在于，所述划分单元根据获取到的状态id对齐标签，划分出所述远场语音数据中的噪声段和语音段。

11.根据权利要求8所述的装置，其特征在于，所述估计单元分别获取所述噪声段以及所述语音段的幅值能量，根据获取到的幅值能量计算出所述远场语音数据的信噪比。

12.根据权利要求8所述的装置，其特征在于，所述装置中进一步包括：统计单元；

所述统计单元，用于分别获取N条远场语音数据的信噪比，N为大于一的正整数，根据N条远场语音数据的信噪比，生成信噪比统计直方图，所述信噪比统计直方图的横轴为不同的信噪比取值，所述信噪比统计直方图的纵轴为分别对应于不同的信噪比取值的远场语音数据的条数，根据所述信噪比统计直方图确定出远场语音数据的信噪比分布范围。

13.根据权利要求12所述的装置，其特征在于，所述统计单元确定出不同的横轴取值对应的纵轴取值中的最大值，将所述最大值作为峰值，按照预定方式，根据所述峰值确定出一个参考值，所述参考值小于所述峰值，找出满足以下条件的两个横轴取值：对应的纵轴取值等于所述参考值，将找出的两个横轴取值构成的区间范围作为远场语音数据的信噪比分布范围。

14.根据权利要求13所述的装置，其特征在于，所述统计单元将所述峰值的1/M作为所述参考值，M为大于一的正整数。

15.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述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程序时实现如权利要求1～7中任一项所述的方法。

16.一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，所述程序被处理器执行时实现如权利要求1～7中任一项所述的方法。