1.一种基于多路可视图的ECG信号处理方法，其特征在于：具体步骤如下：

a、采集健康个体的十二导联ECG信号并组成一个十二维的ECG时间序列，每一维序列的长度为N，所述健康个体的十二导联的ECG信号组成ECG时间序列x1～x12，此ECG时间序列即为十二维的多维时间序列X＝{x1,x2,…x12}；

b、利用可视图算法依次将健康个体的十二个时间序列转换为十二张可视图，然后将十二张可视图构造为一个有十二层的多路可视图 之后分别计算多路可视图 每两层之间的层间互信息I；

c、根据多路可视图及其层间互信息I构造健康个体的全连通无向加权网络，其中全连通无向加权网络共有十二个节点，依次由多路可视图 的每一层可视图映射得到，节点与节点之间两两相连，并且边的权重为其所连接的两个节点对应的层间互信息I；

d、利用与步骤a‑c相同的方法，采集某心脏类疾病患者的十二导联的ECG信号并组成ECG时间序列y1～y12，此组成ECG时间序列即为十二维的多维时间序列Y＝{y1,y2,…y12}，并构建某心脏类疾病患者的无向全连通加权网络；

e、对健康个体的无向全连通加权网络以及某心脏类疾病患者的无向全连通加权网络的网络参数进行多尺度分析寻找，从而获得对ECG信号进行识别的效果最好的网络参数差值最大的尺度因子γ；

f、引入阈值参数ω，对健康个体和心脏疾病患者分别重新构造无向加权网络；

g、分别对健康人和患者重新构造后的无向加权网络计算网络参数平均权重度，利用网络参数平均权重度选择出能使健康个体和某心脏类疾病患者的网络参数相差最大的阈值ω0，利用阈值ω0重新构造后的无向加权网络识别效果即为最佳；

h、利用阈值ω0分别为健康人和心脏类疾病患者的多路可视图构造相应的无向加权网络，实现基于多路可视图的ECG信号处理；

其中，引入阈值参数ω对健康个体和心脏疾病患者分别重新构造无向加权网络的具体步骤为：f1、分别对两种人群多路可视图的每两层计算层间互信息，以多路可视图的每一层作为网络节点，两点之间对应的层间互信息作为权重，构造有十二个节点的全连通无向加权网络；

f2、在多路可视图的所有层间互信息中选出最大的一个记作max(Iα,β)，Iα,β即代表第α层和第β层之间的层间互信息；阈值ω的取值范围定义为n*max(Iα,β)，n∈[0.5,0.9]，步长为0.01，依次将阈值ω与所有的连边权重值即层间互信息值进行比较，若阈值大于连边权值，则保留该连边及其对应的权重值，否则，删除该连边，权重记为0，将所有的层间互信息与阈值比较完成后，重新构造了多路可视图对应的无向加权网络。

2.根据权利要求1所述的方法，其特征在于，将十二个时间序列依次转换为十二张可视图的可视图算法为：b1将长度为N的一维时间序列x＝{x1,…,xi,…,xN}的每一个时间点映射为可视图网络中的一个节点，该可视图网络为一个无向无权网络，共有N个节点，而两个节点之间是否能够连接成边取决于两节点是否满足所给出的可视性准则；若两个节点之间满足可视性准则，则认为这两个节点“可视”，在复杂网络中能够连接成边，若两个节点之间不满足上述的可视性准则，则认为这两个节点之间“不可视”，不能在网络中相互连接；时间序列的相邻数据点间一定“可视”，并且每一个节点不可与自身相连；由此，一维的时间序列成功的转化为了仅有一层的网络；

b2对于每一维时间序列的长度均为N的一个十二维的时间序列 M代表维数，

取值范围为M∈[1,12]，将每一维时间序列按照以上的可视性准则转化为一个拥有N个节点，根据两节点间是否“可视”确定连边的无向无权的复杂网络，每一个复杂网络对应多路可视图中的一层，这样就将一个十二维的时间序列构造成了一个具有十二层的多路可视图[α] [α] [α]每一维代表一层，其中第α层表示为{x (1),x (2),…，x (N)}，用该层的邻接矩阵表示，式中，i和j表示节点，i,j∈[1,N]， 当且仅当节点i和节点j在第α层连接，否则为0；多路可视图 用各层的邻接矩阵的向量来表示，即

3.根据权利要求2所述的方法，其特征在于：可视性准则的定义如下：如果时间序列中的任意两个数据点(ta,xa)和(tb,xb)相互可视，则对任意的点(tc,yc)，其中taxa+(xa‑xb)(ta‑tc)/(tb‑ta)。

4.根据权利要求1所述的方法，其特征在于，计算多路可视图每两层的层间互信息的具体步骤为：c1在拥有N个节点的M层多路可视图中，每一个节点i都对应一个有关于度的向量[α] [β] [α] [β]其中， 利用公式：P(k ,k )＝Nk ,k /N计算在第α层

[α] [β] [α] [β] [α] [β]

寻找度为k 的点和在第β层寻找度为k 的点的联合概率分布P(k ,k )，式中，Nk ,k[α] [β]是在第α层和第β层上拥有度值分别等于k 和k 的节点数，即

c2利用公式： 计算多路可视图每两层之间的层间互

[α]

信息，式中，Iα,β即代表第α层和第β层之间的层间互信息，第α层和第β层分别以P(k )和P(k[β] [α] [β] [α] [β])度分布为特征，P(k ,k )是在第α层寻找度为k 的点和在第β层寻找度为k 的点的联合概率分布。

5.根据权利要求1所述的方法，其特征在于，利用无向加权网络的网络参数寻找最合适阈值ω0的具体方法为：选择网络参数平均权重度 其中，N为序列长度，wij是节点i和节点j之间的权值大小，分别计算健康个体和患者在各阈值下的平均权重度，进行比较，计算差值，当差值最大时，所对应的阈值即为最合适的阈值ω0，在此阈值下，识别效果最佳。