1.一种基于锦标赛选择的混沌人工蜂群算法的声音信道均衡方法，其特征在于，该方法包括以下步骤：

S1:使用混沌映射初始化蜂群种群，种群中的每个个体代表盲均衡器的初始权系数，种群维度代表初始权系数的个数；

S2：为每个初始蜜源分配一引导蜂进行解空间的搜索，产生新蜜源；

S3:将均衡后信号和理想无噪声信号之间的均方误差作为适应度函数，计算每个蜜源的适应度值，通过比对新旧蜜源的适应度值，根据贪婪选择策略确定保留蜜源；

S4:通过锦标赛机制计算引导蜂被跟随的概率，跟随蜂根据轮盘赌机制选择跟随蜂跟随；

S5:跟随峰采用相同的解空间搜索方式，对于搜索到的蜜源根据贪婪选择的方法进行去留；

S6:判断蜜源是否满足被放弃的条件：如满足，对应的引导蜂转变为观察蜂，寻找新的蜜源，否则直接转到S8；

S7:侦查蜂随机产生新的蜜源；

S8:当算法达到最大迭代次数时，停止运算并输出最优解，否则转到S2；

S9:将S8得到的最优解作为CMA盲均衡器的初始权系数，完成水声信道盲均衡器的设计；

S10：根据S9设计的水声信道盲均衡器及其初始权系数，对待分析的源信号数据进行信道均衡分析，输出即可。

2.如权利要求1所述的声音信道均衡方法，其特征在于，所述S1中：所述混沌映射选用Chebyshev混沌映射，其公式如下：‑1

xk+1＝cos(Acos (xk))其中，k为混沌序列的迭代次数；A为混沌映射的映射系数，A取值为大于等于2。

3.如权利要求2所述的声音信道均衡方法，其特征在于，所述Chebyshev混沌初始化种群的具体过程如下：

第一步，设置混沌序列的迭代次数k＝100，控制参数A＝4、N＝10、i’＝1；

第二步，随机产生混沌序列的初始向量y0＝(y01,y02,...,y0D),其中D为所优化函数的维度；

第三步，令初始向量y0进行混沌迭代M次，再使用生成的序列作为混沌迭代的初始值进行混沌映射；

第四步，根据Chebyshev混沌映射方程循环迭代，产生混沌初始化种群向量yk＝(yk1,yk2,...,ykD)。

4.如权利要求1所述的声音信道均衡方法，其特征在于，所述S2中，引导蜂在蜜源周围搜索产生一个新蜜源的公式如下:式中，d是在[1,D]中的一个随机整数，表示引导蜂随机地选择一维进行搜索；j∈{1,

2,...,NP}，j≠i，表示在NP个蜜源中随机选择一个不等于i的蜜源；是在[‑1,1]均匀分布的随机数。

5.如权利要求1所述的声音信道均衡方法，其特征在于，所述S4具体如下：S4‑1：预设每次进行比较的个体数量N，采用二元锦标赛即每次选择两个个体；

S4‑2：对选取的N个个体进行相互比较，适应度最高的个体获得1分；

S4‑3：重复步骤S4‑2，直至每N个个体之间都比较过；此时个体的得分越高，表示个体的适应度越好，则该个体被跟随蜂选择跟随的机率越大；

S4‑4：利用公式goal_out＝(0.9*goal/max(goal))+0.1，令每个个体的分值除以最大分值进行归一化处理，使得分较低的个体也有较大被选择的机会，得到最终的选择概率；

S4‑5：最终跟随蜂通过轮盘赌机制选择引导蜂进行跟随。

6.如权利要求1所述的声音信道均衡方法，其特征在于，所述S7具体如下：S7‑1：搜索过程中，如果蜜源Xi经过trial次迭代搜索到达阈值limit而没有找到更好的蜜源，该蜜源Xi将会被放弃，与之对应的引导蜂角色转变为侦查蜂；侦查蜂将在搜索空间随机产生一个新的蜜源代替Xi，公式如下：其中，xi是蜜源，t是迭代次数，Ud是蜜源上限值，Ld是蜜源下限值，limit为最大搜索次数；

S7‑2：进一步提高蜂群的种群多样性，对产生的新一代蜜源进行高斯扰动，扰动公式如下：

Foods＝Foods*(1+sqrt(0.1)*rand(1,D))其中，高斯扰动强度为1+sqrt(0.1)*rand(1,D)，D为蜜源xi的维度，即所优化函数的维度。

7.如权利要求1所述的声音信道均衡方法能够应用于水声信道均衡技术领域。