一、绘图及坐标调整
1.使用global_val设置文件路径、采样频率和周期。
2.使用processing设置采样起始和终止位置以及信道。
3.使用to_txt将原始特征点数据保存到指定文件夹的txt文件中，用来修改,并且要放到由record_name命名的文件夹中。
4.(1)使用test_of_matplotlib绘出信号和特征点，手动调整点位，调整点位的同时控制台会输出原始的和调整后的点位坐标，
  在上一步保存的txt文件中找到并修改坐标。（可在ecg_peaks_val和ppg_peaks_val中修改周期）
  (2)或者使用hand_coordinates批量修改特征点，输出到"D://python_study//big_boss//doc//output//coordinates.txt"中，
  修改完后将特征点替换到points_coordinates_update相应的文件中。
5.在ecg_peaks_val中使用txt_update中的update_dict_from_files()方法，将修改完的txt坐标更新到新的列表中。
  (在第四步调用ecg_peaks_val时会自动执行)
6.在ppg_peaks_val中使用txt_update中的update_dict_from_files()方法，将修改完的txt坐标更新到新的列表中。
  (在第四步调用ppg_peaks_val时会自动执行)
7.通过以上步骤，即可得到更正后的点位列表和图。

二、相关性分析
1.用上面更新后的坐标，计算出间隔，比值，斜率，面积等参数。
2.使用correlation计算出参数之间的相关性，并同时输出到txt文本中。
3.使用txt_to_excel将输出的txt文本转化为excel表格。
4.使用excel_processing将表格中超过阈值的值以及在表中的位置提取出来。
5.使用all_processed将每个子文件夹的processed.txt中的内容合并到all_processed.txt中。
6.使用txt_counter将all_processed.txt重复的相关性统计出来。

ps:可使用calculate_average_correlation计算所有excel表格中对应位置得相关性的均值，并输出到新的表格中。

三、分析结果
1.对所有数据集的processed.txt进行分析总结，获得共性。
2.联系生理学知识对共性进行分析。