1.一种车辆空调自动启动方法，其特征在于，所述方法包括：采集步骤：对所述车辆内的声音进行采集；

判断步骤：判断采集到的声音是否为小孩的哭声；

启动步骤：如果是小孩的哭声，则启动所述车辆内的空调。

2.如权利要求1所述的车辆空调自动启动方法，其特征在于，所述采集步骤具体包括：利用声音采集器在预设时间段内采集所述车辆内的声音作为测试样本。

3.如权利要求2所述的车辆空调自动启动方法，其特征在于，所述判断步骤具体包括：利用多线性回归方法对所述测试样本进行认证，以判断是否有小孩在所述车辆内长时间哭泣。

4.如权利要求3所述的车辆空调自动启动方法，其特征在于，所述多线性回归方法具体包括：对于给定的测试样本x，通过堆叠q维列向量构成类模型Xc，设 为Xc的系数向量，并计算为，βc＝(XcTXc)-1XcTx；                                             (1)使用降序对βc的绝对值进行排序，并将结果指定为ζc，设C是回归系数的矩阵，C的每行等于对应的ζcT，并描述为，从M个类中选择M个样本，其中，M个样本是矩阵C的第i列的对应样本，M个样本用于构成子全局模型Ji，并描述为，Ji＝[x1 x2....xM]∈Rq×M,i＝1,2,...,Nc；                         (3)其中 是一个三维数组，包含Nc个子全局模型，其中，Ji的每个元素都是来自不同类别的样本；

M×1

设ri∈R 为第i个子全局模型的回归系数向量，并计算为ri＝(JiTJi)-1JiTy；                                              (4)设s∈RM×1为所有类的得分向量，其中每个元素在以下步骤之前设置为零，如果ri的最大值是rim，其对应于第c类，然后得分矢量s∈RM×1将被更新为，其中 表示所有子全局模型中第i个子全局模型的加权因子，并计算为其中 表示矩阵C的第i列的总和； 表示矩阵C的所有列的总和；

迭代利用公式(4)和(5)Nc次，得到Nc个子全局模型的最终得分向量s∈RM×1，其中，多线性回归方法的分类器支持具有最大值的类

5.如权利要求4所述的车辆空调自动启动方法，其特征在于，所述判断步骤具体还包括：在执行完所述多线性回归方法之后，返回一个数值c，如果c＝1则判断小孩在哭泣，如果c＝2则判断小孩不在哭泣。

6.一种车辆空调自动启动系统，其特征在于，所述系统包括：采集模块，用于对所述车辆内的声音进行采集；

判断模块，用于判断采集到的声音是否为小孩的哭声；

启动模块，用于如果是小孩的哭声，则启动所述车辆内的空调。

7.如权利要求6所述的车辆空调自动启动系统，其特征在于，所述采集模块具体用于：利用声音采集器在预设时间段内采集所述车辆内的声音作为测试样本。

8.如权利要求7所述的车辆空调自动启动系统，其特征在于，所述判断模块具体用于：利用多线性回归方法对所述测试样本进行认证，以判断是否有小孩在所述车辆内长时间哭泣。

9.如权利要求8所述的车辆空调自动启动系统，其特征在于，所述多线性回归方法具体包括：对于给定的测试样本x，通过堆叠q维列向量构成类模型Xc，设 为Xc的系数向量，并计算为，βc＝(XcTXc)-1XcTx；                                             (1)使用降序对βc的绝对值进行排序，并将结果指定为ζc，设C是回归系数的矩阵，C的每行等于对应的ζcT，并描述为，从M个类中选择M个样本，其中，M个样本是矩阵C的第i列的对应样本，M个样本用于构成子全局模型Ji，并描述为，Ji＝[x1 x2....xM]∈Rq×M,i＝1,2,...,Nc；                         (3)其中 是一个三维数组，包含Nc个子全局模型，其中，Ji的每个元素都是来自不同类别的样本；

设ri∈RM×1为第i个子全局模型的回归系数向量，并计算为ri＝(JiTJi)-1JiTy；                                              (4)设s∈RM×1为所有类的得分向量，其中每个元素在以下步骤之前设置为零，如果ri的最m M×1大值是ri，其对应于第c类，然后得分矢量s∈R 将被更新为，其中 表示所有子全局模型中第i个子全局模型的加权因子，并计算为其中 表示矩阵C的第i列的总和； 表示矩阵C的所有列的总和；

迭代利用公式(4)和(5)Nc次，得到Nc个子全局模型的最终得分向量s∈RM×1，其中，多线性回归方法的分类器支持具有最大值的类

10.如权利要求9所述的车辆空调自动启动系统，其特征在于，所述判断模块具体还用于：在执行完所述多线性回归方法之后，返回一个数值c，如果c＝1则判断小孩在哭泣，如果c＝2则判断小孩不在哭泣。