1.一种基于改进的一维U-net的单导心电图信号特征波形检测方法，其特征在于，包括：S1.数据准备：

准备的心电信号数据采样率为500HZ，心电信号的输入长度固定为统一长度，并给心电信号增加不同程度的高斯白噪声与脉冲噪声，对心电信号进行不同程度的缩放；

给每一组数据准备了其对应的标签输出，输出有三个通道，每个通道长度为5000，每个通道分别划分好对应的P波段、QRS波段和ST-T波段的位置，对应波段的位置用1表示，其余的用0表示，标签大小为(5000*3)；

S2.预处理

首先对输入数据进行低通滤波；

对低通滤波后的信号进行两次中值滤波，提取出基线漂移，再用低通滤波后的信号减去基线漂移，得到预处理后的信号；

S3.网络训练：

将预处理后的ECG信号以及对应的一维标签输入到网络中进行训练，训练方法为adam算法；

具体的改动如下：

在卷积层中加入了Inception结构的卷积；在Inception结构中加入了三种不同大小的卷积核(大小分别为5*1、10*1以及20*1)，并加入了一次最大池化(pool_size为5*1)，在每次卷积及池化之前先进行一次1*1的卷积，目的是降低运算量；将进行了三次卷积和一次最大池化的结果按通道连接作为输出；

在每次下采样与上采样时使用不同大小的采样倍率；

加入了上下文比对机制。上下文比对机制加入位置；首先将输入数据进行两次核大小为5*1的卷积，其输出记为conv1；接着将输入数据进行两次核大小为5*1、膨胀率为10的空洞卷积，其输出记为conv2；将conv1与conv2相减得到第三个输出conv3，最后将conv1、conv2和conv3按通道连接作为最终的输出；

在训练时提高对高噪声ECG样本的惩罚系数，使得模型能更关注于高噪声的ECG信号。

2.如权利要求1所述的基于改进的一维U-net的单导心电图信号特征波形检测方法，其特征在于，低通滤波采用2阶低通滤波器。

3.如权利要求1所述的基于改进的一维U-net的单导心电图信号特征波形检测方法，其特征在于，所述2阶低通滤波器截止频率为45HZ。

4.如权利要求1所述的基于改进的一维U-net的单导心电图信号特征波形检测方法，其特征在于，所用的中值滤波器滑动窗口长度为251，滑动步长为1。

5.如权利要求1所述的基于改进的一维U-net的单导心电图信号特征波形检测方法，其特征在于，adam算法的参数设置如下：学习率lr＝0.001,beta_1＝0.9,beta_2＝0.999,epsilon＝1e-08,clipvalue＝0.5。

6.如权利要求1所述的基于改进的一维U-net的单导心电图信号特征波形检测方法，其特征在于，“在每次下采样与上采样时使用不同大小的采样倍率”中，采用三次下采样，三次上采样。

7.如权利要求6所述的基于改进的一维U-net的单导心电图信号特征波形检测方法，其特征在于，每次下采样的倍率依次是1/10、1/5和1/2，每次上采样的倍率依次是2、5和10。

8.一种计算机设备，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程序时实现权利要求1到7任一项所述方法的步骤。

9.一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，该程序被处理器执行时实现权利要求1到7任一项所述方法的步骤。

10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1到7任一项所述的方法。