1.一种基于心冲击图信号的小样本非侵入性连续血压监测方法，其特征在于，包括以下步骤：S1、采集心冲击图信号以及对应的血压信号，并按预设的时间窗口对其进行切片，得到多个心冲击图切片信号和多个血压切片信号；根据心冲击图切片信号及其对应的血压切片信号构建心冲击图信号数据集；

S2、对心冲击图信号数据集中的心冲击图切片信号与其对应的血压切片信号进行预处理，以构建训练集；

S3、基于小样本学习的需求，从训练集中选取样本数据构建多个小样本任务，每个任务由支持集和查询集构成，以完成任务样本对的构建；

S4、基于采用梯度下降算法的深度学习网络构建血压预测模型，其输入为预处理后的心冲击图切片信号，其输出为预测的血压值；

S5、将元学习框架与血压预测模型相结合，通过元学习框架使用多个小样本任务对应的支持集和查询集对血压预测模型进行训练，以获取训练好的血压预测模型；

S6、利用新受试者的带标签样本对训练好的血压预测模型进行微调后，输入该受试者的未知心冲击图信号数据，实现个体血压的连续监测。

2.根据权利要求1所述的基于心冲击图信号的小样本非侵入性连续血压监测方法，其特征在于，所述步骤S2中，对心冲击图切片信号进行预处理，具体包括：以不同受试者为处理单元，采用滑动窗口降采样对不同受试者的多个心冲击图切片信号进行降采样处理；

以不同受试者为处理单元，对于每个降采样处理后的心冲击图切片信号，进行Z‑score标准化处理，以获取标准化处理后的心冲击图切片信号。

3.根据权利要求1所述的基于心冲击图信号的小样本非侵入性连续血压监测方法，其特征在于，所述步骤S3中，任务样本对的构建，具体通过如下方法实现：首先从训练集中选取样本数据构建多个小样本任务，每个任务由该任务对应的支持集和查询集构成；其中，每个任务对应的支持集中70%‑90%的训练样本和查询集中的全部测试样本均来自于训练集中同一个受试者的样本数据，支持集中其余的训练样本来自于训练集中其他不同受试者的样本数据；样本数据包括预处理后的心冲击图切片信号和血压切片信号，并将与预处理后的心冲击图切片信号相对应的血压切片信号的收缩压或舒张压作为血压标签；

然后对于支持集中来自于不同受试者的样本数据，通过人为加入扰动，以获得最终的任务样本对。

4.根据权利要求1所述的基于心冲击图信号的小样本非侵入性连续血压监测方法，其特征在于，所述血压预测模型采用ResNet‑18，该血压预测模型包括输入模块、多个残差模块和输出模块，其中，输入模块包括卷积层和最大池化层；每个残差模块包括两个残差块，每个残差块包括两个卷积层；输出模块包括全局的平均池化层、全连接层和线性层；

预处理后的心冲击图切片信号输入至血压预测模型中，首先经过输入模块的卷积层和最大池化层得到初始特征表示；然后初始特征表示依次经过多个残差模块逐层提取心冲击图切片信号的不同层次的特征，在多个依次相连的残差模块中，通过跳跃连接机制将前一个残差块的输出与前一个残差块的输入相加作为当前残差块的输入，其中第一个残差模块的第一个残差块的输入为输入模块输出的初始特征表示，最后一个残差模块的最后一个残差块的输出与该残差块的输入相加后得到最终的特征向量；将最终的特征向量作为输出模块的输入，经过全局的平均池化层和全连接层将最终的特征向量缩减至定长嵌入向量，该定长嵌入向量通过线性层得到预测的血压值。

5.根据权利要求1所述的基于心冲击图信号的小样本非侵入性连续血压监测方法，其特征在于，所述步骤S5具体包括如下子步骤：S51、初始化模型参数：随机初始化血压预测模型的参数，并将其作为元模型的初始状态，将血压预测模型视作元模型；

S52、定义损失函数：计算预测的血压值与真实血压值之间的均方误差作为损失函数；

S53、任务训练与更新：针对每个小样本任务，克隆元模型进行元学习框架的内循环训练，在每个任务的支持集上进行若干步梯度下降更新，得到该任务对应的模型参数，其中每步梯度下降更新均以最小化计算出的损失函数为优化目标进行；

S54、元更新：在元学习框架的外循环训练过程中，依据每个任务在内循环中得到的元模型在该任务对应的查询集上计算损失函数，将所有任务的损失函数进行累加得到总损失，以最小化总损失为优化目标，使用Adam优化器通过反向传播优化元模型的模型参数；

S55、外循环训练元模型：重复步骤S53‑步骤S54，利用内循环传出的损失函数对元模型进行参数更新，以获得训练好的元模型，即为训练好的血压预测模型。

6.根据权利要求1所述的基于心冲击图信号的小样本非侵入性连续血压监测方法，其特征在于，所述步骤S6具体包括如下子步骤：S61、冻结血压预测模型的前N个残差模块的参数，其中N的取值小于等于残差模块总数的二分之一；

S62、利用新受试者的预处理好的带标签的部分样本数据对训练好的血压预测模型进行微调，得到微调好的适用于该受试者的血压预测模型；

S63、将受试者的未知心冲击图信号数据输入至微调好的适用于该受试者的血压预测模型，获取预测的血压值，实现个体血压的连续监测。