1.一种语音唤醒识别方法，其特征在于，包括：
当接收到语音信号后，提取所述语音信号的声学特征；
通过神经网络模型预测所述声学特征在各声学建模单元上的后验概率；
根据所述后验概率，基于预置的一级评估模型评估是否进入二级评估装置，包括：获取预设窗口内各声学建模单元的最大后验概率、各声学建模单元的预设权重系数和各声学建模单元的惩罚值；将所述各声学建模单元的最大后验概率、各声学建模单元的预设权重系数和各声学建模单元的惩罚值，输入至预置的一级评估模型，得到第一评估值；判断所述第一评估值是否大于预设阈值；若是，则进入二级评估装置；若否，则所述预设窗口内不存在唤醒词，不进入唤醒状态，其中，所述一级评估模型具体为：
令Z表示评估值，n表示第n个声学建模单元，xn表示在一个移动窗口内第n个声学建模单元的最大特征值，cn表示第n个声学建模单元的预设权重系数，bn表示第n个声学建模单元的惩罚值，则：
若进入二级评估装置，则基于所述后验概率，通过所述二级评估装置，判断是否进入唤醒状态。
2.根据权利要求1所述的语音唤醒识别方法，其特征在于，所述二级评估装置采用预训练的支持向量机模型；
所述若进入二级评估装置，则基于所述后验概率，通过所述二级评估装置，判断是否进入唤醒状态，包括：
若进入二级评估装置，则将所述后验概率输入至所述预训练的支持向量机模型，得到所述语音信号中是否包括唤醒词的分类结果；
若所述分类结果是包含唤醒词，则进入唤醒状态；
若所述分类结果是不包括唤醒词，则不进入唤醒状态。
3.一种语音唤醒识别装置，其特征在于，包括：
提取模块，用于当接收到语音信号后，提取所述语音信号的声学特征；
预测模块，用于通过神经网络模型预测所述声学特征在各声学建模单元上的后验概率；
评估模块，用于根据所述后验概率，基于预置的一级评估模型评估是否进入二级评估装置，包括：获取子模块，用于获取预设窗口内各声学建模单元的最大后验概率、各声学建模单元的预设权重系数和各声学建模单元的惩罚值；第一输入子模块，用于将所述各声学建模单元的最大后验概率、各声学建模单元的预设权重系数和各声学建模单元的惩罚值，输入至预置的一级评估模型，得到第一评估值；判断子模块，用于判断所述第一评估值是否大于预设阈值；第一执行子模块，用于若是，则进入二级评估装置；第二执行子模块，用于若否，则所述预设窗口内不存在唤醒词，不进入唤醒状态，其中，所述一级评估模型具体为：
令Z表示评估值，n表示第n个声学建模单元，xn表示在一个移动窗口内第n个声学建模单元的最大特征值，cn表示第n个声学建模单元的预设权重系数，bn表示第n个声学建模单元的惩罚值，则：
判断模块，若进入二级评估装置，则基于所述后验概率，通过所述二级评估装置，判断是否进入唤醒状态。
4.根据权利要求3所述的语音唤醒识别装置，其特征在于，所述二级评估装置采用预训练的支持向量机模型；
所述判断模块包括：
第二输入子模块，用于若进入二级评估装置，则将所述后验概率输入至所述预训练的支持向量机模型，得到所述语音信号中是否包括唤醒词的分类结果；
第三执行子模块，用于所述分类结果是包含唤醒词，则进入唤醒状态；
第四执行子模块，用于所述分类结果是不包括唤醒词，则不进入唤醒状态。
5.一种电子设备，包括：存储器，处理器及存储在存储器上并可在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计算机程序时，实现权利要求1至2中的任一项所述的语音唤醒识别方法中的各个步骤。
6.一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，所述计算机程序被处理器执行时，实现权利要求1至2中的任一项所述的语音唤醒识别方法中的各个步骤。