1.一种基于多特征融合的单导联心电信号辅助诊断方法，其特征在于，方法包括：步骤一、构建单导联心电信号辅助系统的功能架构，提取单导联心电信号辅助系统中的心电信号；

步骤二、对心电信号进行预处理；

预处理方式包括：按照预设时长对心电信号进行划分；

对划分后的心电信号进行滤波处理；

对滤波后的心电信号进行数据归一化处理；

对数据归一化后的心电信号进行傅里叶变换得到频域数据；

步骤三、提取心电信号数据的特征；

步骤四、采用拼接的方式将步骤三中提取的所有特征进行融合；

步骤五、将步骤四融合后的特征输入至Adaboost迭代算法，得出诊断结果；

步骤二中按照预设时长对心拍数据进行划分方式包括：配置心电信号表示为X=(x1，...,xn) ，n为数据的点位数；

n=Ff*Ft,其中Ff表示信号的采样频率，Ff表示信号的采样时间；

其中，一个完整的心拍为0.6s至0.8s,将心电信号分割为0.8s的片段，即288个采样点；

将10个完整的心拍作为一组心电信号的数据集，表示为：;

n表示心电数据的片段数，m表示每个片段的点位数；

步骤二中对划分后的心拍数据进行滤波处理方式包括：配置截止频率为51Hz的低通滤波器，使用全通滤波器减去51Hz的低通滤波器，得到一个截止频率为51Hz的高通滤波器，再与截止频率为49Hz的低通滤波器进行组合，得到一个

50Hz的陷波器；

;

其中 是最终得到的50Hz陷波器， 表示的是一个全通滤波器，表示的是截至频率为51Hz的低通滤波器， 表示的是截至频率为49Hz的低通滤波器；

将划分后的心电信号通过50Hz陷波器输入至数据集X进行处理，得到去除工频干扰后的心电数据集Z：;

步骤二中的对滤波后的心电信号进行数据归一化处理方式包括：通过下述公式对每个心电信号片段 d 进行归一化：;

公式中 表示ECG心电样本幅值的最小值， 表示ECG心电样本幅值的最大值；

再对滤波后的数据集D通过下述公式进行归一化处理，并输出处理后数据集 ；

；

步骤三还包括：

（1）从时域离散信号及频域数据提取特征；

提取方式包括：定义LSTM网络进行特征提取；

定义模型的输入分别为处理后数据集 和频域数据F；

LSTM网络中每个节点的输入和输出关系如下：;

其中W和b表示为相应网络的权重和偏置项， 表示当前LSTM节点的输入， 表示上一个LSTM节点的输出值， 表示上一个LSTM节点的状态， 表示当前LSTM节点的状态，表示的是输入门，表示的是遗忘门， 表示的是输入单元的状态， 表示输出门， 表示当前节点的输出值，表示的是sigmoid的激活函数，tanh表示的是反正切函数；

第一层LSTM单元节点的输出作为第二层LSTM单元节点的输入；

第二层LSTM单元节点的输出作为第三层LSTM单元节点的输入；

定义LSTM网络的LSTM单元节点为20；

向LSTM网络输入归一化后的数据集 以及频域数据F，基于下述公式分别得到时域上的特征T和频域上的特征E：;

（2）基于HRV统计分析；

HRV统计分析包括如下方式：配置RR间期的最大值 ： ;配置RR间期的最小值 ： ;配置RR间期中位数 ： ;其中， 是RR间期之间的差分值；

;

配置RR间期的平均值 ：;

配置RR间期差分值的均值 :;

配置RR间期标准差 ：

;

配置RR间期差分值的标准差 ：;

配置RR间期差分值的均方根 ：;

将处理后数据集 输入至公式 ，输出HRV特征H；

（3）基于1d‑LBP公式提取LBP局部特征；

将预处理后的心电图数据中一个心拍设置为一个区域的中心采样点，将中心采样点邻域内的采样点与当前采样点进行比较，若大于中心点中心采样点的值，则定义为1，否则定义为0；

1d‑LBP公式表示为：;

其中 表示中心点，p表示邻域大小， 是邻域采样点的值， 表示中心采样点的值，s表示符号函数；

;

将处理后数据集 作为输入，输出的LBP局部特征为 ;步骤四还包括：拼接方式的公式表示如下：;

其中， 表示融合特征，表示时域特征，表示频域特征，表示HRV的特征，表示LBP的特征； 的最终向量长度是 , , ,的向量长度之和；

融合后的特征表示为：

；

步骤五还包括：

（1）对Adaboost迭代算法进行初始化；

定义模型的输入数据 ，其中 表示特征向量，表示标签的类别；

；

初始化样本的权重为 ，所有样本的权重全部初始化为；

（2）对弱分类器进行训练；

循环计算J次，每一次弱分类器的编号为j，并且 ；

循环内容为：

①在样本权重初始化为 的基础上，在数据集G上训练弱分类器 ；

②计算 对样本x属于各个类别k的概率；

;

;

其中，E表示期望，C表示分类的类别， y表示标签值， 表示当前分类器，表示当前分类器对每个类别的预测概率；

继续计算 ：

;

根据计算出的权重 对处理后数据集 的样本权重进行更新，对于每个样本，更新其权重：;

其中为归一化因子，向量 ，且：;

向量 ，由 对样本数据x的预测概率组成；迭代完成后最终得到强分类器：;

每个不同的弱分类器 (x)对于每一个类别k都会输出一个 值，若在所有的弱分类器中，类别k的 值的和最大，那么该类别k值为强分类器的输出结果，即得出的心电图分类标签。

2.根据权利要求1所述的基于多特征融合的单导联心电信号辅助诊断方法，其特征在于，步骤二中还对心电数据集Z的边缘数据进行扩展，扩展公式为：;

对长度为m的心电信号片段 进行扩展；

扩展后的信号为： =( ,..., ),k为中值滤波的窗口长度；

将扩展处理后的心电信号进行加窗处理，将窗口内的心电信号进行排序，选择窗口内中位数代替当前值，并用中值代替当前窗口内的心电信号,心电信号经过中值处理后去掉突变峰值；

用步骤一的心电信号减去中值处理后的心电信号，得到中值滤波后的心电信号,再输入至心电数据集Z后得到数据集D：。

3.根据权利要求1所述的基于多特征融合的单导联心电信号辅助诊断方法，其特征在于，步骤二中的对数据归一化后的心电信号进行傅里叶变换处理方式包括：通过下述公式对输入的心电信号进行傅里叶变换得到频域数据；

;

其中N为心电信号的时域离散信号点数，n为时域离散信号的编号，m为频域信号的编号；

在下述公式中，输入归一化后的处理后数据集 ，并得到频域数据F；

;

f表示复数。

4.一种诊断终端，包括存储器、处理器及存储在所述存储器上并可在所述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如权利要求1至3任一项所述基于多特征融合的单导联心电信号辅助诊断方法的步骤。