1.基于金氏脉学的脉搏波信号处理方法，其特征是，包括：
步骤(1)：原始脉搏波信号预处理：利用基于金氏脉学的脉诊仪采集手腕桡动脉处原始脉搏波信号，将采集到的原始脉搏波信号在时域和频域上进行处理和数据分析，得到原始信号中高频噪声和基线漂移，然后利用高斯滤波器来去除信号的高频噪声部分；
步骤(2)：脉搏波信号周期性分段：将步骤(1)处理后的脉搏波信号利用迭代滑动窗口算法去除基线漂移，并将连续周期性脉搏波信号分段成单周期脉搏波信号；
步骤(3)：脉搏波信号特征提取：基于金氏脉学从步骤(2)后得到的单周期脉搏波信号中提取出脉搏波特征；
步骤(4)：脉搏波信号分类：以cubic支持向量机CSVM作为分类器，基于步骤(3)提取出的脉搏波特征区分出正常、异常和无效脉搏波信号。
2.如权利要求1所述的基于金氏脉学的脉搏波信号处理方法，其特征是，所述步骤(1)将采集到的原始信号在时域和频域上进行处理和数据分析的步骤为：
根据Nyquist定理，收集到的原始信号频域范围为0-400HZ，经过频域分析，脉搏波信号集中在20HZ以下；将20HZ以下的原始信号在时域进行局部放大，得到原始信号中高频噪声和基线漂移，然后利用高斯滤波器来去除信号的高频噪声部分。
3.如权利要求1所述的基于金氏脉学的脉搏波信号处理方法，其特征是，所述步骤(2)的步骤为：
步骤(2-1)：初始化n和count的值为0，并且建立一个宽度size为0.5*1/f的窗口；其中n是一个整数，count用于记录波谷不变的次数，f表示步骤(1)之后得到的脉搏波信号signal的主频，宽度size为0.5*1/f的窗口使得半个周期内至少存在一个波谷；
步骤(2-2)：滑动步骤(2-1)所述的窗口并将窗口中的最小值作为窗口波谷，所述窗口波谷记为y，窗口波谷对应的横坐标记为x，进而得到所有的窗口波谷；
步骤(2-3)：利用三次样条函数将所有的窗口波谷进行基线拟合，并将拟合出的值存放于数组baseline中；
步骤(2-4)：将在垂直方向上符合baseline-signal>0的点的个数记为num，若n等于num，则count等于count+1，否则count不变；
步骤(2-5)：在signal中分离出步骤(2-4)中符合baseline-signal>0的点，在所述符合baseline-signal>0的点中寻找到的波谷是伪波谷，在分离出的点中找到振幅值最小的点m，并在窗口波谷y中找出符合min(|baseline-y|)的点，用m的振幅值替换掉y的值；
步骤(2-6)：将x，y，size作为输入值，输入到Get_Valley函数中，并将步骤(2-4)中的num赋值给Get_Valley函数中的n，输出值为x'，y'；其中size表示滑动窗口的宽度，Get_Valley函数中输入值y是窗口波谷，输入值x是输入值y对应的横坐标，Get_Valley函数的输出结果(x'，y')即为新的波谷坐标；
步骤(2-7)：判断count小于10还是等于10，若count小于10，重复执行步骤(2-3)至步骤(2-6)，若count等于10，循环结束，进入步骤(2-8)；
步骤(2-8)：根据横坐标x将脉搏波信号进行分段，得到正常、异常以及无效的单周期脉搏波信号，得到分段结果。
4.如权利要求3所述的基于金氏脉学的脉搏波信号处理方法，其特征是，所述步骤(2-
6)中的Get_Valley是一个函数，其目的是识别并去除由滑动窗口造成的错误的波谷；寻找波谷出错时出现半个周期内存在两个波谷的情形，称对应x值大的波谷为右侧波谷，对应x值小的波谷为左侧波谷；当半个周期内只有一个波谷时，也称该波谷为右侧波谷；半个周期内，错误波谷对应的x值如果小于真实波谷对应的x值，则错误波谷位于真实波谷的左侧；如果大于真实波谷对应的x值，则错误波谷位于真实波谷的右侧；
该函数若检测到半个周期内有两个波谷，则首先建立一个三行n列的二维数组，并将其初始化为1，将步骤(2-5)结束得到的x、y复制到该数组的第一行；其次基于第一行的x、y寻找半个周期内存在两个波谷的情形，若该情形存在且前半个周期的右侧波谷的标记为1，则记本半个周期的左侧波谷为0，右侧波谷不变仍为1，其余情形均不变，并将标记的值存入第二行，目的是去除半个周期内位于真实波谷左侧的错误波谷；继续寻找半个周期内存在两个波谷的情形，若半个周期内存在两个波谷的情形存在且前半个周期的右侧波谷的标记为
0，则记本半个周期的右侧波谷为0，左侧波谷不变仍为1，其余情形均不变，并将标记的值存入第三行，目的是去除半个周期内位于真实波谷右侧的错误波谷；最后将第三行中标记为1的波谷坐标(x'，y')输出。
5.如权利要求1所述的基于金氏脉学的脉搏波信号处理方法，其特征是，所述步骤(3)的步骤为：
基于金氏脉学对步骤(2)得到的单周期信号从频域和时域两方面进行特征提取，单周期信号的振幅最大值处到单周期的结束处作一条直线d；根据金氏脉学，单周期脉搏波的上升支对应心脏泵血的快速射血期，下降支的前段对应减慢射血期，下降支的后段对应舒张期；快速射血期又分为前期a1、中期a2和后期a3，减慢射血期又分为前期b1、中期b2和后期b3，舒张期又分为等容舒张期c1和心室充盈期c2，共8个部分；
(31)将单周期信号长度len_period作为区分有效脉搏波信号以及无效信号的特征之一，特征location用于记录在腕部采集脉搏波信号时的三个部位的对应位置；
(32)特征value_range、p_max以及pmax_index反映射血强度，其中value_range表示最大振幅与最小振幅之间的取值范围，p_max表示单周期最大振幅值，pmax_index表示单周期最大振幅处的坐标；
(33)利用基于金氏脉学的脉诊仪探头下降的深度代替医生脉诊时的手指触压力，因此将压力pressure作为特征之一；
(34)不同压力下的不同波段反映相应器官的健康状况，因此将步骤(2)最终拟合出的基线baseline的平均值ave_single作为特征之一；
(35)a1至a3部分是心脏快速射血期CREP，a1、a2和a3分别占快速射血期的1/3；作为有效脉搏波信号，a1和a3段都是递增的，因此将a1段平均斜率ave_pstslope以及a3段平均频率ave_a3slope分别作为特征之一；
(36)特征zero_a3slope以及ezero_a3slope用于检查斜率的趋势；其中特征zero_a3slope用于检测后 CREP是否存在小于0的斜率，特征ezero_a3slope用于检测a2后半段是否存在峰值。
(37)b1至c2部分是慢速射血期HSFBP，在b1至c2段脉搏波信号的趋势是显著下降的；有效脉搏波信号在b1至c2段的脉搏波信号斜率是缓慢变化的，无效信号在b1至c2段的脉搏波信号斜率是崎岖变化的；对于一个正常的单周期脉搏波信号，在b1至c2段出现峰值的频次在设定范围内；特征‘range_slope’，‘max_slope’，‘slope_ver’，‘min_psub’，‘value_peaks’，‘sum_slope’以及‘std_all’被用于反映手腕周期脉搏波信号的变化特点。并且计算出慢速射血期HSFBP每段的平均值，ave_b1表示在b1段脉搏波信号的平均值，ave_b2表示在b2段脉搏波信号的平均值，ave_b3表示在b3段脉搏波信号的平均值，ave_c1表示在c1段脉搏波信号的平均值，ave_c2表示在c2段脉搏波信号的平均值。其中特征max_slope表示HSFBP的脉搏波信号与直线d的最远距离，特征range_slope用于表示HSFBP的斜率，特征slope_ver表示HSFBP与直线d之间的方差，特征min_psub表示HSFBP段相邻峰值之间的距离的最小值，特征value_peaks表示相邻峰值差的绝对值的最大值，特征sum_slope表示HSFBP脉搏波信号平均斜率的绝对值，特征std_all表示相邻最大值与最小值之间的距离；
(38)健康者的血液获得动能时其单周期脉搏波信号长度超过0.9，用符合最大值-最小值大于等于0.9的点的数量num_09来代表动能的持续时间，并且利用特征empty_peak20来记录8Hz以内是否有极值点来描述脉搏波信号的稳定性；
(39)特征num_c2zero表示c2段脉搏波信号值小于0的点的数量；
步骤(3)结束后，提取出脉搏波特征，以用于步骤(4)脉搏波信号分类。
6.如权利要求1所述的基于金氏脉学的脉搏波信号处理方法，其特征是，所述步骤(4)的步骤为：
以cubic支持向量机CSVM作为分类器，以步骤(2)后得到的该用户所有单周期脉搏波信号作为训练样本，基于步骤(3)提取出的脉搏波特征区分出正常、异常或者无效的脉搏波信号。
7.基于金氏脉学的脉搏波信号处理装置，其特征是，包括：存储器、处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令在处理器上运行时执行以下步骤：
步骤(1)：原始脉搏波信号预处理：利用基于金氏脉学的脉诊仪采集手腕桡动脉处原始脉搏波信号，将采集到的原始脉搏波信号在时域和频域上进行处理和数据分析，得到原始信号中高频噪声和基线漂移，然后利用高斯滤波器来去除信号的高频噪声部分；
步骤(2)：脉搏波信号周期性分段：将步骤(1)处理后的脉搏波信号利用迭代滑动窗口算法去除基线漂移，并将连续周期性脉搏波信号分段成单周期脉搏波信号；
步骤(3)：脉搏波信号特征提取：基于金氏脉学从步骤(2)后得到的单周期脉搏波信号中提取出脉搏波特征；
步骤(4)：脉搏波信号分类：以cubic支持向量机CSVM作为分类器，基于步骤(3)提取出的脉搏波特征区分出正常、异常和无效脉搏波信号。
8.一种计算机存储介质，其特征是，其上存储有计算机指令，所述计算机指令在处理器上运行时执行以下步骤：
步骤(1)：原始脉搏波信号预处理：利用基于金氏脉学的脉诊仪采集手腕桡动脉处原始脉搏波信号，将采集到的原始脉搏波信号在时域和频域上进行处理和数据分析，得到原始信号中高频噪声和基线漂移，然后利用高斯滤波器来去除信号的高频噪声部分；
步骤(2)：脉搏波信号周期性分段：将步骤(1)处理后的脉搏波信号利用迭代滑动窗口算法去除基线漂移，并将连续周期性脉搏波信号分段成单周期脉搏波信号；
步骤(3)：脉搏波信号特征提取：基于金氏脉学从步骤(2)后得到的单周期脉搏波信号中提取出脉搏波特征；
步骤(4)：脉搏波信号分类：以cubic支持向量机CSVM作为分类器，基于步骤(3)提取出的脉搏波特征区分出正常、异常和无效脉搏波信号。
9.基于金氏脉学的肺癌检测系统，其特征是，包括：存储器、处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令在处理器上运行时执行以下步骤：
步骤(1)：原始脉搏波信号预处理：利用基于金氏脉学的脉诊仪采集手腕桡动脉处原始脉搏波信号，将采集到的原始脉搏波信号在时域和频域上进行处理和数据分析，得到原始信号中高频噪声和基线漂移，然后利用高斯滤波器来去除信号的高频噪声部分；
步骤(2)：脉搏波信号周期性分段：将步骤(1)处理后的脉搏波信号利用迭代滑动窗口算法去除基线漂移，并将连续周期性脉搏波信号分段成单周期脉搏波信号；
步骤(3)：脉搏波信号特征提取：基于金氏脉学从步骤(2)后得到的单周期脉搏波信号中提取出脉搏波特征；
步骤(4)：脉搏波信号分类：以cubic支持向量机CSVM作为分类器，基于步骤(3)提取出的脉搏波特征区分出正常、异常和无效脉搏波信号；
步骤(5)：脉搏波分析模块：执行完步骤(4)之后，收集用户的所有正常脉搏波信号、异常脉搏波信号来分析该用户是否具有患某种疾病的属性。
10.如权利要求9所述的系统，其特征是，所述步骤(5)的步骤为：
最终诊断结果P(i)的取值为-1或1，其中-1表示用户i是健康者，1表示用户i具有患某种疾病的属性，公式中n1,i表示用户i的正常脉搏波信号的数量，n2,i表示用户i的异常脉搏波信号的数量；当正常脉搏波信号的数量大于异常脉搏波信号的数量，用户i是健康者；反之，用户i具有患某种疾病的属性。