1.一种心冲击图信号的深度回归心率估计方法，其特征在于，包括步骤如下：(1)采集心冲击图信号和心脏脉冲信号：使用n个液压传感器以采样频率f s 采集受试者长度为T的n个心冲击图信号，同时使用与该液压传感器相同采样频率的指夹式脉冲传感器采集受试者长度为T的心脏脉冲信号，n≥2，T≥60000，f s ≥100Hz；(2)对n个心冲击图信号进行滤波：采用截断频率下限为f 1 、上限为f 2 的带通滤波器分别对n个心冲击图信号进行滤波，得到滤波后的n个心冲击图信号，0.3Hz≤f 1 ≤0.8Hz，8Hz≤f 2 ≤12Hz；(3)利用心冲击图信号的周期性先验知识获取训练样本集和测试样本集：(3a)以w为长度，以s为步长，并按采集顺序将滤波后的每个心冲击图信号截取为N个信号段后顺次进行排列，得到每组包含N个信号段的n组信号段， (3b)以q为间隔对每组信号段中的每个信号段进行下采样，得到n组下采样信号段， 为向下取整；(3c)对n组相同位置的下采样信号段进行融合，得到由N个心冲击图信号向量组成的心冲击图信号样本集，每个心冲击信号向量长度为L， (3d)对心冲击图信号样本集中的每个心冲击图信号向量进行标准化处理，并根据每个标准化处理后的心冲击图信号向量中数据元素从前到后的排序，参考心冲击图信号的周期性先验知识，按照行优先的原则重构成行数为m，列数为k的数据矩阵，得到N个心冲击图信号向量对应的N个数据矩阵，m×k＝L；(3e)以w为长度，以s为步长，并按采集顺序将心脏脉冲信号截取为N个信号段后顺次进行排列，得到与N个数据矩阵对应的N个心脏脉冲信号段，并使用峰值检测算法计算每个心脏脉冲信号片段的心跳脉冲个数与心跳脉冲的位置， c i 、 分别为第i个心脏脉冲信号片段对应的心跳脉冲个数和心跳脉冲的位置，i＝1,2,...,N；(3f)使用平均心率法通过心跳脉冲个数与心跳脉冲的位置计算与N个数据矩阵对应的N个真实心率；(3g)将每个数据矩阵与相对应的真实心率构成的样本-标签对作为一个样本，所有的样本组成样本集，样本集容量为N，将样本集中前50％的样本作为训练样本集，剔除与训练样本部分重复的样本，剩余的样本组成测试样本集；(4)构建基于心冲击图信号周期性和幅值特性的心率回归估计网络模型：(4a)构建包括双向循环神经网络和与其串联的回归网络的心率回归估计网络模型，其中，双向循环神经网络包括相互层叠的由多个神经元组成的前向循环神经网络和反向循环神经网络，双向循环神经网络的输入包含m个时间步，其中每个时间步的输入长度为k，用于提取心冲击图信号的周期性与幅值特征；回归网络包括依次层叠的由多个神经元组成的全连接网络层、第一激励层、回归估计层和第二激励层，用于通过双向循环神经网络输出的心冲击图信号的周期性特征和幅值特征获取心率估计结果；(4b)使用Huber函数作为心率回归估计网络模型的损失函数Loss，用于衡量真实心率与估计心率的差异；(5)对心率回归估计网络模型进行训练：(5a)初始化训练参数：设定心率回归估计网络模型中神经元间的连接权值取值为范围[-1，1]内的随机数，设定迭代次数为k，最大迭代次数为K，K≥200000，学习率为γ，γ≤0.1，并令k＝0；(5b)将从训练样本集中顺序选取的Q个样本作为心率回归估计网络模型的输入，通过心率回归估计网络模型计算每个训练样本对应的训练估计心率，共得到Q个训练估计心率；(5c)将Q个训练估计心率和Q个训练样本的真实心率作为心率回归估计网络模型的损失函数Loss的输入变量，并采用梯度下降法，通过心率回归估计网络模型的损失函数Loss对心率回归估计网络模型中神经元间的连接权值与偏置进行更新，得到更新后的心率回归估计网络模型；(5d)判断k＝K是否成立，若是，得到训练好的心率回归估计网络模型；否则，令k＝k+1，并执行步骤(5b)；(6)获取心冲击图信号的心率估计值：将测试样本集输入训练好的心率估计网络模型中，估计测试样本集中每个样本对应的心率值，得到受试者的心率估计结果。
2.根据权利要求1所述的一种心冲击图信号的深度回归心率估计方法，其特征在于，步骤(3d)中所述的对心冲击图信号样本集中的每个心冲击图信号向量进行标准化处理，其中心冲击图信号样本集中第i个心冲击图信号向量标准化处理的计算公式为：其中，v i 为第i个心冲击图信号向量，i＝1,2,...,N, 和 分别为第i个心冲击图信号向量的均值和方差,N为心冲击图信号样本集中心冲击图信号向量的总数。
3.根据权利要求1所述的一种心冲击图信号的深度回归心率估计方法，其特征在于，步骤(3f)中的所述的使用平均心率法通过心跳脉冲个数与心跳脉冲的位置计算与N个数据矩阵对应的N个真实心率，其中与第i个数据矩阵对应的第i个真实心率的计算公式为：其中，c i 为第i个心脏脉冲信号片段的心跳个数，P i 为第i个心脏脉冲信号片段第一个心跳脉冲与最后一个心跳脉冲的时间间隔，i＝1,2,...,N，
4.根据权利要求1所述的一种心冲击图信号的深度回归心率估计方法，其特征在于，步骤(4b)中所述的心率回归估计网络模型的损失函数Loss，其表达式为：其中， 为训练估计心率，y为训练样本的真实心率，δ为Loss的超参数。
5.根据权利要求1所述的一种心冲击图信号的深度回归心率估计方法，其特征在于，步骤(5c)中所述的通过心率回归估计网络模型的损失函数Loss，对心率回归估计网络模型中神经元间的连接权值与偏置进行更新，实现过程为：设W和b分别为心率回归估计网络模型中神经元间的连接权值和偏置， 为训练估计心率；W和b的更新公式如下：其中，γ为学习率，y为训练样本的真实心率， 为Loss对y的偏导数，f(·)为ReLu激活函数， f′(·)为f(·)的一阶导数。
