1.一种基于时频域熵特征的子宫肌电信号分析及早产预测模型构建方法，其特征在于，所述方法包括如下步骤：步骤1，设以频率fs采集子宫肌电信号EHG，得到时序信号Xi(i＝1，2，3，...，N)；

ω

步骤2，通过短时傅里叶变换将时序信号Xi分解成不同频率分量y (t)；

ω

步骤3，针对不同频率ωx的分量信号y (t)计算相应频率下的近似熵特征 和样本熵特征步骤4，利用信号的记录时间tr分别对每个 和 进行改进得到 和所述步骤4中，对EHG信号的不同频率ω分量计算得到41个时频域上的近似熵特征和采样熵特征，根据怀孕过程熵的变化，利用信号的记录时间tr分别对每个 和 进行改进，如下所示：式中tr是EHG信号的记录时间，37周是早产与非早产的分界线， 和 分别表示 和 改进后的熵特征；

步骤5，对得到的所有 特征应用主成分分析技术，选择最优数量的主成分得到特征，对得到的所有 特征应用主成分分析技术，选择最优数量的主成分得到特征，去除EHG信号中噪声的影响；

步骤6，基于新特征 和 选择合适的机器学习模型，使用样本来训练模型。

2.如权利要求1所述的基于时频域熵特征的子宫肌电信号分析及早产预测模型构建方法，其特征在于，所述步骤2中，设以采集频率fs获得的子宫EHG时序信号Xi(i＝1，2，3，...，N)，引入短时傅里叶变换，将原始EHG信号分解成不同频率时序信号，即：ω

y (t)＝STFT(Xi，fs，T0) (1)其中STFT代表短时傅里叶变换，

fs＝20Hz，代表EHG时序信号的采样频率，T0＝10s，是汉明窗的大小，所以频率分辨率是ω

0.1Hz，y (t)是原始时序信号Xi包含的频率为ω的分量，ω表示频率的范围，为0‑4Hz。

3.如权利要求1或2所述的基于时频域熵特征的子宫肌电信号分析及早产预测模型构ω建方法，其特征在于，所述步骤3中，针对不同频率ωx的分量信号y (t)计算相应频率下的熵特征：式中ApEn表示近似熵的计算，SampEn表示样本熵的计算， 和 分别为基于特征频率ωω为信号分量y (t)的近似熵与样本熵，整数m＝2，实数r＝0.2*std，std表示频率分量序列的标准差。