1.一种基于语音信号处理的说话人心理阻抗现象识别方法，其特征在于：S101：心理咨询师与说话人进行交谈，并利用录音设备实时记录说话人语音；

S102：将所述说话人语音输入至说话人语言频率检测模块，判断说话人语音频率范围，并根据说话人语音频率范围对说话人的反应状态进行检测，当说话人语音频率范围处于预设值时，得到说话人的反应状态为反应，进入步骤S103；否则，得到说话人的反应状态为不反应，进入步骤S105；

S103：在说话人反应状态为反应的情况下，采用说话人情感倾向性检测模块对说话人的讲话内容进行检测，判断说话人的情感倾向性；所述说话人的情感倾向性包括合作和抵抗；

S104：根据说话人的情感倾向性，调用对应的语料库，并采用语义相似度计算模块，计算得到文本语义相似度；

S105：输出结果，结束。

2.如权利要求1所述的一种基于语音信号处理的说话人心理阻抗现象识别方法，其特征在于：步骤S102中，所述说话人语言频率检测模块，具体包括如下处理过程：S201：将所述说话人语音的语句j中的音子i的持续时间ai作为随机变量；

S202：采用非对称高斯分布对所述持续时间ai进行逼近，得到逼近后的持续时间ai；

S203：根据逼近后的持续时间ai，计算得到音子i的说话频率，如式(1)所示：式(1)中，SRi表示音子的说话频率，μi是对音子i采用非对称高斯分布逼近时的高斯分布的均值；σi-表示对音子i采用非对称高斯分布逼近时的高斯分布曲线峰值左侧的方差；

σi+表示对音子i采用非对称高斯分布逼近时的高斯分布曲线峰值右侧的方差；

S204：根据音子i的说话频率，计算得到语句j的说话频率，如式(2)所示：

3.如权利要求1所述的一种基于语音信号处理的说话人心理阻抗现象识别方法，其特征在于：步骤S103中，采用说话人情感倾向性检测模块判断说话人情感倾向性，具体如下：S301：对说话人讲话内容进行语音文本识别抽取，得到说话人讲话内容中主观性语句集合；

S302：根据式(3)计算所述说话人讲话内容中主观性语句集合中句子Ki的情感倾向值L(Ki)：式(3)中，γ(φj)为句子中程度副词对φj的情感倾向影响因子值，β(Ki)为否定词的影响因子值， 为句子Ki经过识别分词后的所有情感词词语的集合，φj为词集合 中的词，α(φj)为情感词语的置信度；

S303：通过句子Ki的情感倾向值L(Ki)计算谈话轮中的情感倾向值L(totel)，如式(4)：式(4)中，n为谈话轮中语句的总个数；

S304：判断情感倾向值L(totel)是否处于预设的情感倾向值范围内，若是，则表明说话人情感倾向性为合作，否则表明说话人情感倾向性为抵抗。

4.如权利要求3所述的一种基于语音信号处理的说话人心理阻抗现象识别方法，其特征在于：步骤S301中，对说话人讲话内容进行语音文本识别提取，具体为：S401：获取说话人讲话内容的文本特征词序列集合；

S402：根据所述文本特征词序列集合建立词表统计特征词语，获取特征词集合；

S403：根据所述特征词集合，统计特征词出现的次数，并计算特征词出现的频率；

S404：构造朴素贝叶斯分类器；利用文本向量化后的文本数据集训练所述朴素贝叶斯分类器，得到贝叶斯分类模型；

S405：将说话人讲话内容输入至所述贝叶斯分类模型，得到所述说话人讲话内容中的主观性语句集合。

5.如权利要求1所述的一种基于语音信号处理的说话人心理阻抗现象识别方法，其特征在于：步骤S104具体为：S501：根据说话人的情感倾向性，调用合作语料库或者抵抗语料库；

S502：将所述合作语料库或者抵抗语料库中的句子变化成单词组合形式；

S503：去除所述单词组合中的停用词，得到筛选后的单词集合；其中去除的停用词根据中文停用词表获取；

S504：计算筛选后的单词集合中两个抽象知识点的语义距离，如式(5)所示：式(5)中，α、β为可调节参数；a、b、c分别代表第一抽象知识点的总层数、第二抽象知识点的总层数、第一抽象知识点与第二抽象知识点的最近的共同抽象知识点父类的总层数；

χ、δ分别为第一抽象知识点的层数编号和第二抽象知识点的层数编号；

S505：从筛选后的单词集合中，选择K1、K2分别作为说话人不同语句的中心词集合，计算K1中的第x个中心词和K2中第y个中心词之间的相似度为Sim(x,y)；

S506：取中心词x和中心词y的最大相似度，如式(6)：式(6)中，X表示K1中中心词的总个数；Y表示K2中中心词的总个数；

S507：计算中心词集合K1、K2之间的相似度，如式(7)：S508：根据中心词集合K1、K2之间的相似度和两个抽象知识点的语义距离，计算得到文本语义相似度，如式(8)所示：Sim(Sen1,Sen2)＝θ×Sim(K1,K2)+(1-θ)×Sim(W1,W2)  (8)式(8)中，θ取值范围为[0,1]；Sen1和Sen2分别为所述合作语料库或者抵抗语料库中对应中心词集合K1、K2和第一抽象知识点、第二抽象知识点的两个语句。

6.如权利要求5所述的一种基于语音信号处理的说话人心理阻抗现象识别方法，其特征在于：步骤S105具体为：S601：根据式(8)计算说话人语音文本与语料库中各现象的文本语义相似度，具体如式(9)所示：Sim(text,Ci)＝MAX(Sim(text,senj))  (9)式(9)中，text表示说话人语音文本；Ci为语料库中的现象类别；senj为语料库中对应Ci现象类别的已知文本；MAX(Sim(text,senj))表示说话人语音文本与Ci类别的最大语义相似度；

S602：当Sim(text,Ci)超过预设的阈值时，表明说话人语音文本与Ci现象类别相似度高，输出该现象类别的具体反映现象。

7.如权利要求6所述的一种基于语音信号处理的说话人心理阻抗现象识别方法，其特征在于：步骤S602中，所述现象类别的具体反映现象，具体为：当说话人的情感倾向性为合作时，具体反映现象包括：助益性反应和非阻抗反应；当说话人的情感倾向性为抵抗时，具体反映现象包括：挑战、不同意、无望、责备、防卫他人、自我防卫、自我议程、跑题、不回答和不合格。

8.一种存储设备，其特征在于：所述存储设备存储指令及数据用于实现权利要求1～7所述的任意一种基于语音信号处理的说话人心理阻抗现象识别方法。

9.一种基于语音信号处理的说话人心理阻抗现象识别设备，其特征在于：包括：处理器及存储设备；所述处理器加载并执行存储设备中的指令及数据用于实现权利要求1～7所述的任意一种基于语音信号处理的说话人心理阻抗现象识别方法。