1.一种基于互联网的护理服务系统，包括存储器和处理器，其特征在于，所述处理器执行所述存储器存储的计算机程序，以实现如下步骤：获取待分析对象的原始体征信号，对所述原始体征信号进行EMD分解获得各分量信号；

获取所述原始体征信号的高频部分；根据分量信号之间的差异情况以及所述高频部分的幅值分布，确定第一目标分量信号；根据第一目标分量信号及其上方的所有分量信号的幅值分布，对各分量信号进行划分获得各分量信号对应的信号段；

基于第一目标分量信号下方的各分量信号对应的各信号段中极值点对应的幅值之间的差异，确定特征截止分量信号；基于所述特征截止分量信号对原始体征信号去除基线漂移获得去除基线漂移后的信号；根据所述特征截止分量信号及其上方的各分量信号对应的各信号段的幅值差异，得到维纳滤波的噪声功率谱；

基于所述维纳滤波的噪声功率谱对所述去除基线漂移后的信号进行滤波，获得滤波后的信号；基于所述滤波后的信号对待分析对象生成护理方案。

2.根据权利要求1所述的一种基于互联网的护理服务系统，其特征在于，所述根据第一目标分量信号及其上方的所有分量信号的幅值分布，对各分量信号进行划分获得各分量信号对应的信号段，包括：将第一目标分量信号及其上方的所有分量信号记为第一特征信号；

对于任一第一特征信号，利用预设长度的滑窗从左到右依次对该第一特征信号进行遍历，计算滑窗每次滑动对应的信号的幅值总和，对所有的所述幅值总和进行曲线拟合获得对应的曲线，将所述曲线上的极大值点对应的信号段记为该第一特征信号对应的参考信号段；按照预设顺序依次对该第一特征信号对应的各参考信号段进行标号，获得每个参考信号段的序号；

对于任一序号：将该序号的所有参考信号段的中心点的横坐标的均值记为目标值；将横坐标为所述目标值的点作为分割点；

基于所有的所述分割点分别对各分量信号进行划分，获得各分量信号对应的信号段。

3.根据权利要求1所述的一种基于互联网的护理服务系统，其特征在于，所述基于第一目标分量信号下方的各分量信号对应的各信号段中极值点对应的幅值之间的差异，确定特征截止分量信号，包括：将第一目标分量信号下方的分量信号记为待分析信号；根据各待分析信号中极值点对应的幅值之间的差异，计算各待分析信号的周期性差异；

对待分析信号的周期性差异生成累加曲线，将所述累加曲线最大拐点处的前一个待分析分量信号确定为特征截止分量信号。

4.根据权利要求3所述的一种基于互联网的护理服务系统，其特征在于，采用如下公式计算各待分析信号的周期性差异：其中，Z为任一待分析信号的周期性差异，W为该待分析信号对应的信号段的数量，K为该待分析信号中极值点最少的信号段中极值点数量， 为第w个信号段内第k个极值点的幅值， 为所有的信号段中第k个极值点的平均幅值。

5.根据权利要求1所述的一种基于互联网的护理服务系统，其特征在于，所述根据所述特征截止分量信号及其上方的各分量信号对应的各信号段的幅值差异，得到维纳滤波的噪声功率谱，包括：将所述特征截止分量信号及其上方的所有分量信号记为第二特征信号；

对于第i个第二特征信号：将第i个第二特征信号对应的各信号段的左右端点的幅值的差异记为第i个第二特征信号对应的各信号段的第一差异；将第i个第二特征信号的最大幅值和最小幅值的差异记为第二差异；将所述第一差异与所述第二差异的比值记为第i个第二特征信号对应的各信号段的第一占比；计算第i个第二特征信号对应的各信号段内所有幅值的标准差；根据所述第一占比、所述标准差、所述第i个第二特征信号对应的各信号段的幅值，得到第i个第二特征信号的噪声强度；

计算所有第二特征信号的噪声强度的和值，将所述和值的倒数确定为维纳滤波的噪声功率谱。

6.根据权利要求5所述的一种基于互联网的护理服务系统，其特征在于，采用如下公式计算第i个第二特征信号的噪声强度：其中，为第i个第二特征信号的噪声程度，V为第i个第二特征信号对应的信号段的数量， 为第i个第二特征信号对应的第v个信号段中幅值的数量， 为第i个第二特征信号对应的第v个信号段的右端点的幅值， 为第i个第二特征信号对应的第v个信号段的左端点的幅值， 为第i个第二特征信号的最大幅值， 为第i个第二特征信号的最小幅值，为第i个第二特征信号对应的第v个信号段内的第p个幅值， 为第i个第二特征信号对应的第v个信号段内所有幅值的均值， 为第i个第二特征信号对应的第v个信号段内所有幅值的标准差，λ为预设调整参数。

7.根据权利要求1所述的一种基于互联网的护理服务系统，其特征在于，所述根据分量信号之间的差异情况以及所述高频部分的幅值分布，确定第一目标分量信号，包括：计算高频部分的幅值的均方差；

按照分量信号从上到下的顺序，依次累加分量信号的幅值的均方差获得累加值，将所述累加值与所述高频部分的幅值的均方差之间的差异取最小值时参与累加值计算的最后一个分量信号，确定为第一目标分量信号。

8.根据权利要求1所述的一种基于互联网的护理服务系统，其特征在于，所述获取所述原始体征信号的高频部分，包括：采用傅里叶变换将所述原始体征信号转化为频域信号；

采用最大类间方差法确定所述频域信号的频率阈值，基于所述频率阈值分割所述体征信号的高频部分。

9.根据权利要求1所述的一种基于互联网的护理服务系统，其特征在于，所述基于所述特征截止分量信号对原始体征信号去除基线漂移获得去除基线漂移后的信号，包括：对特征截止分量信号下方的所有分量信号进行叠加重构，得到基线偏移部分的趋势线，将原始体征信号减去趋势线获得去除基线漂移后的信号。