1.一种呼吸率提取方法，其特征在于，包括：
通过预先训练好的关于呼吸信号的神经网络模型对接收到的心电信号进行提取，得到第一呼吸信号，并根据所述第一呼吸信号计算得到当前时刻的第一呼吸率；
通过构建好的关于呼吸信号的自回归模型对所述心电信号进行提取，得到第二呼吸信号，并根据所述第二呼吸信号计算得到当前时刻的第二呼吸率；
基于信号质量指数，对所述第一呼吸信号和所述第二呼吸信号进行分析，得到与所述第一呼吸信号对应的第一权重因子和与所述第二呼吸信号对应的第二权重因子；
根据所述第一呼吸率、第一权重因子、第二呼吸率及第二权重因子，计算得到当前时刻的呼吸率。
2.根据权利要求1所述的呼吸率提取方法，其特征在于，在所述通过预先训练好的关于呼吸信号的神经网络模型对所述待处理心电信号进行提取，得到第一呼吸信号，并根据所述第一呼吸信号计算得到当前时刻的第一呼吸率之前，还包括：
接收多导联心电信号，分别计算每个导联心电信号的RR间期和R峰幅值，得到输入样本空间，其中，所述输入样本空间的维度为p，p/2为多导联心电信号的导联数目；
基于主成本分析法对根据所述输入样本空间形成的协方差矩阵进行处理，得到主成分得分矩阵；
以所述主成分得分矩阵和通过阻抗法同步采集得到的目标呼吸信号为训练样本对进行训练，获得神经网络模型。
3.根据权利要求2所述的呼吸率提取方法，其特征在于，
所述基于主成本分析法对根据所述输入样本空间形成的协方差矩阵进行处理，得到主成分得分矩阵，具体包括：
对所述输入样本空间进行数据标准化处理；
根据数据标准化处理后的所述输入样本空间得到协方差矩阵；
计算所述协方差矩阵的特征根和与每个特征根对应的特征向量；其中，所述特征根的数量为p个，且所述的p个特征根按照大小排序；
获取所述的p个特征根中，贡献率之和大于预定阈值的前m个特征根；其中，每个特征根的贡献率等于所述特征根的值除以全部的p个特征根的值之和；
根据与所述的前m个特征根对应的特征向量及所述输入样本空间，得到主成分得分矩阵。
4.根据权利要求1至3任意一项所述的呼吸率提取方法，其特征在于，所述自回归模型为经过滑动平均法优化后的自回归模型。
5.根据权利要求1至4任意一项所述的呼吸率提取方法，其特征在于，所述根据所述第一呼吸率、第一权重因子、第二呼吸率及第二权重因子，计算得到当前时刻的呼吸率具体为：
当判断所述第一权重因子大于预设的基准值且所述第二权重因子小于所述基准值时，将所述第一呼吸率设置为当前时刻的呼吸率；
当判断所述第一权重因子小于预设的基准值且所述第二权重因子大于所述基准值时，将所述第二呼吸率设置为当前时刻的呼吸率；
当判断所述第一权重因子计所述第二权重因子均大于预设的基准值时，根据所述第一权重因子及所述第二权重因子对所述第一呼吸率和第二呼吸率进行加权求和，计算得到当前时刻的呼吸率。
6.一种呼吸率提取装置，其特征在于，包括:
神经网络提取单元，用于通过预先训练好的关于呼吸信号的神经网络模型对接收到的心电信号进行提取，得到第一呼吸信号，并根据所述第一呼吸信号计算得到当前时刻的第一呼吸率；
自回归提取单元，用于通过构建好的关于呼吸信号的自回归模型对所述心电信号进行提取，得到第二呼吸信号，并根据所述第二呼吸信号计算得到当前时刻的第二呼吸率；
信号质量分析单元，用于基于信号质量指数，对所述第一呼吸信号和所述第二呼吸信号进行分析，得到与所述第一呼吸信号对应的第一权重因子和与所述第二呼吸信号对应的第二权重因子；
呼吸率计算单元，用于根据所述第一呼吸率、第一权重因子、第二呼吸率及第二权重因子，计算得到当前时刻的呼吸率。
7.根据权利要求6所述的呼吸率提取装置，其特征在于，还包括：
输入样本空间获取单元，用于接收多导联心电信号，分别计算每个导联心电信号的RR间期和R峰幅值，得到输入样本空间，其中，所述输入样本空间的维度为p，p/2为多导联心电信号的导联数；
主成分分析单元，用于基于主成本分析法对根据所述输入样本空间形成的协方差矩阵进行处理，得到主成分得分矩阵；
神经网络训练单元，用于以所述主成分得分矩阵和通过阻抗法同步采集得到的目标呼吸信号为训练样本对进行神经网络训练，获得神经网络模型。
8.根据权利要求7所述的呼吸率提取装置，其特征在于，所述主成分分析单元具体包括：
标准化处理模块，用于对所述输入样本空间数据标准化处理；
协方差矩阵计算模块，用于根据数据标准化处理后的所述输入样本空间得到协方差矩阵；
特征计算模块，用于计算所述协方差矩阵的特征根和与每个特征根对应的特征向量；其中，所述特征根的数量为p个，且所述的p个特征根按照大小排序；
筛选模块，用于获取所述的p个特征根中，贡献率之和大于预定阈值的前m个特征根；其中，每个特征根的贡献率等于所述特征根的值除以全部的p个特征根的值之和；
得分矩阵获取模块，用于根据与所述的前m个特征根对应的特征向量及所述输入样本空间，得到主成分得分矩阵。
9.根据权利要求6所述的呼吸率提取装置，其特征在于，所述自回归模型为经过滑动平均法优化后的自回归模型。
10.根据权利要求6至9任意一项所述的呼吸率提取装置，其特征在于，所述呼吸率计算单元具体包括：
第一判断模块，用于当判断所述第一权重因子大于预设的基准值且所述第二权重因子小于所述基准值时，将所述第一呼吸率设置为当前时刻的呼吸率；
第二判断模块，用于当判断所述第一权重因子小于预设的基准值且所述第二权重因子大于所述基准值时，将所述第二呼吸率设置为当前时刻的呼吸率；
第三判断模块，用于当判断所述第一权重因子计所述第二权重因子均大于预设的基准值时，根据所述第一权重因子及所述第二权重因子对所述第一呼吸率和第二呼吸率进行加权求和，计算得到当前时刻的呼吸率。