1.一种基于自适应交叉重构的生命信号降噪提取方法，其特征在于，包括下述步骤：S1，对生命信号做初次分离，得到心跳信号和呼吸信号，并计算出心跳信号和呼吸信号的最大信噪比为SNRh和SNRb；

S2，对S1中的心跳信号和呼吸信号分别做自适应分离处理，并分别计算出处理后所有分量的信噪比；

S3，选择出S2中心跳信号分量和呼吸信号分量的最大信噪比为SNRu和SNRv，若|SNRh-SNRu|<β或|SNRb-SNRv|<β，则执行S4，否则进行信号交叉重构；

S4，根据S3中信噪比之差小于阈值β，得到低噪生命信号。

2.根据权利要求1所述的基于自适应交叉重构的生命信号降噪提取方法，其特征在于，所述S1对生命信号做初次分离，包括以下具体步骤：S11，寻找生命信号x(n)的所有局部极大值点和所有局部极小值点，拟合出x(n)的上包络线xup(n)和下包络线xlow(n)；

S12，求出包络线的均值m(n)＝[xup(n)+xlow(n)]/2，初始化i＝1，用生命信号x(n)减去包络线均值m(n)得到一个新信号：hi(n)＝x(n)-m(n)；

S13，计算标准差 N是生命信号序列的总时间，若SD小于预设值ε，ε取[0.2，0.3]范围的值，则执行S14，否则令x(n)＝hi(n)，i＝i+1，返回执行S11；

S14，用生命信号x(n)减去新信号hi(n)得到剩余分量：ri(n)＝x(n)-hi(n)；

S15，若剩余分量ri(n)的极值点个数不大于2，则执行S16，否则令x(n)＝ri(n)，返回执行S11；

S16，生命信号x(n)可以用以下公式表示： hi(n)为生命信号分解得到的第i个分量，M为生命信号分解得到的总分量个数，ri(n)为生命信号分解得到的剩余分量；

S17，对全部的hi(n)进行频谱分析得到hi(ω)，找出hi(ω)的频谱峰值，选择出频谱峰值在0.8Hz到3Hz的心跳信号分量和频谱峰值在0.2Hz到0.8Hz的呼吸信号分量；

S18，分别计算出S17中全部心跳信号分量和全部呼吸信号分量的信噪比pi(l)为信号的频谱峰值，∑pi2(f)为信号的频谱总能量；

S19，选择出S18中心跳信号分量的最大信噪比为SNRh和呼吸信号分量的最大信噪比为SNRb；

S110，将S17中选择出的心跳信号分量和呼吸信号分量分别进行重构，得到一个新的心跳信号H(n)和一个新的呼吸信号B(n)。

3.根据权利要求2所述的基于自适应交叉重构的生命信号降噪提取方法，其特征在于，所述S2对心跳信号和呼吸信号分别做自适应分离处理，其中：(1)对心跳信号做自适应分离处理，包括以下具体步骤：S211，寻找心跳信号H(n)的所有局部极大值点和所有局部极小值点，拟合出H(n)的上包络线Hup(n)和下包络线Hlow(n)；

S212，求出包络线的均值m1(n)＝[Hup(n)+Hlow(n)]/2，初始化j＝1，用心跳信号H(n)减去包络线均值m1(n)得到一个新信号：cj(n)＝H(n)-m1(n)；

S213，计算标准差 N为心跳信号序列的总时间，若SD小于预设值ε，ε取[0.2，0.3]范围的值，则执行S214，否则令H(n)＝cj(n)，j＝j+1，返回执行S211；

S214，用心跳信号H(n)减去新信号cj(n)得到剩余分量：pj(n)＝H(n)-cj(n)；

S215，若剩余分量pj(n)的极值点个数不大于2，则执行S216，否则令H(n)＝pj(n)，返回执行S211；

S216，心跳信号H(n)可以用以下公式表示： cj(n)为心跳信号分解得到的第j个分量，J为心跳信号分解得到的总分量个数，pj(n)为心跳信号分解得到的剩余分量；

S217，对全部的cj(n)进行频谱分析得到cj(ω)，找出cj(ω)的频谱峰值，选择出频谱峰值在0.8Hz到3Hz的心跳信号分量和频谱峰值在0.2Hz到0.8Hz的呼吸信号分量；

S218，对S217中选择出的心跳信号分量和呼吸信号分量分别进行重构，得到一个新的心跳信号Hu(n)和一个新的呼吸信号Hv(n)；

S219，计算S217全部心跳信号分量的信噪比

2

pj(l)为心跳信号分量的频谱峰值，∑pj(f)为心跳信号分量的频谱总能量；

(2)对呼吸信号做自适应分离处理，包括以下具体步骤：S221，寻找呼吸信号B(n)的所有局部极大值点和所有局部极小值点，拟合出B(n)的上包络线Bup(n)和下包络线Blow(n)；

S222，求出包络线的均值m2(n)＝[Bup(n)+Blow(n)]/2，初始化e＝1，用呼吸信号B(n)减去包络线均值m2(n)得到一个新信号：be(n)＝B(n)-m2(n)；

S223，计算标准差 N为呼吸信号序列的总时间，若SD小于预设值ε，ε取[0.2，0.3]范围的值，则执行S224，否则令B(n)＝be(n)，e＝e+1，返回执行S221；

S224，用呼吸信号B(n)减去新信号be(n)得到剩余分量：qe(n)＝B(n)-be(n)；

S225，若剩余分量qe(n)的极值点个数不大于2，则执行S226，否则令B(n)＝qe(n)，返回执行S221；

S226，呼吸信号B(n)可以用以下公式表示： be(n)为呼吸信号分解得到的第e个分量，E为呼吸信号分解得到的总分量个数，qe(n)为呼吸信号分解得到的剩余分量；

S227，对全部的be(n)进行频谱分析得到be(ω)，找出be(ω)的频谱峰值，选择出频谱峰值在0.8Hz到3Hz的心跳信号分量和频谱峰值在0.2Hz到0.8Hz的呼吸信号分量；

S228，对S227中选择出的心跳信号分量和呼吸信号分量分别进行重构，得到一个新的心跳信号Bu(n)和一个新的呼吸信号Bv(n)；

S229，计算S227全部呼吸信号分量的信噪比

pe(l)为呼吸信号分量的频谱峰值，∑pe2(f)为呼吸信号分量的频谱总能量。

4.根据权利要求3所述的基于自适应交叉重构的生命信号降噪提取方法，其特征在于，所述S3包括以下具体步骤：S31，选择出S219中心跳信号分量最大信噪比SNRu和S229中呼吸信号分量最大信噪比SNRv；

S32，若|SNRh-SNRu|<β或|SNRb-SNRv|<β，则终止信号交叉重构，执行S4，否则执行S33；

S33，将S218的心跳信号Hu(n)和S228的心跳信号Bu(n)进行交叉重构得到一个新的心跳信号：Yu(n)＝Hu(n)+Bu(n)，S218的呼吸信号Hv(n)和S228的呼吸信号Bv(n)进行交叉重构得到一个新的呼吸信号：Zv(n)＝Hv(n)+Bv(n)；

S34，更新S2的心跳信号和呼吸信号：H(n)＝Yu(n)，B(n)＝Zv(n)。

5.根据权利要求4所述的基于自适应交叉重构的生命信号降噪提取方法，其特征在于，所述S4输出低噪信号，包括以下具体步骤：在S3中，若信噪比之差小于阈值，则输出低噪的心跳信号和呼吸信号。