1.用于全局LFP帕金森症特征值提取的系统，其特征在于：包括：

信号收发模块，同时产生刺激脉冲和测量LFP信号；

特征提取模块，与信号收发模块连接，用来对信号收发模块测得的LFP信号进行能量分析，并根据分析结果将LFP信号进行频谱分段，提取各频段的特征值；

综合处理模块，与特征提取模块连接，将特征提取模块提取的每个频段的特征值与预先存储在综合处理模块上的能量基线谱上的各个对应点值做差；根据每个频段特征值与能量基线谱上各个对应点的差值计算每个频段与能量基线谱的相关系数；

输出模块，与综合处理模块和脑起搏器连接，将综合处理模块得到的各频段的相关系数作为权重值，每个频段的特征值和相关系数的乘积相加得到全局LFP帕金森特征值。

2.根据权利要求1所述的用于全局LFP帕金森症特征值提取的系统，其特征在于：信号收发模块为至少包含有两组触点的微电极，且两组触点之间连接有滤波电路。

3.根据权利要求1所述的用于全局LFP帕金森症特征值提取系统，其特征在于：所述特征提取模块包括微控制器，以及分别与微控制器连接的：频谱变换模块，将LFP信号的频谱通过预先存储的公式变换成能量谱；

频段分段模块，与频谱变换模块连接，将接收到的能量频谱根据其纵坐标上能量值的大小进行聚类分析，根据分析的结果，将能量频谱分成不少于三个的分频段；

分频段特征值提取模块，与频段分段模块和综合处理模块连接，将每个频段根据频域上的平均分配所提取的能量值作为该频段的特征值；每个频段的特征值个数相等。

4.根据权利要求3所述的用于全局LFP帕金森症特征值提取的系统，其特征在于：综合处理模块包括：

差值模块，与分频段特征值提取模块连接；从分频段特征值提取模块中接收到的各分频段上的特征值，并将各分频段上的特征值与预先存储的能量基线谱相减得到差值，输出差值的绝对值；

相关系数模块，分别与差值模块和输出模块连接，将从差值模块接收到的差值通过预先存储的互相关函数计算出相关系数并输出到输出模块中。

5.用于全局LFP帕金森症特征值提取的方法，其特征在于：包括以下步骤：

步骤一，信号设定：通过信号收发模块测得不同状态下的LFP信号，并将这些LFP信号分别定义为帕金森症患者正常状态下的第一LFP信号，帕金森病状态下的且不做任何的DBS刺激及药物治疗的第二LFP信号，帕金森病状态下的仅进行DBS刺激治疗的第三LFP信号，帕金森病状态下的仅服用药物治疗的第四LFP信号，帕金森病状态下的且同时进行DBS刺激及药物治疗的第五LFP信号；

步骤二，LFP信号预处理：依次对采集到的LFP信号进行滤波、去噪及降采样，分别得到

1-7Hz的低频LFP信号、8-35Hz的中频LFP信号以及150Hz以上的高频LFP信号；

步骤三，谱分析：通过频谱变换模块和频段分段模块将经预处理的信号从时域转换到频域进行分析：结合频谱、功率谱、光谱进行分析，分别得到低频LFP信号、中频LFP信号和高频LFP信号的频域特征；

步骤四，各频段特征提取及标准化：通过分频段特征值提取模块将步骤三种得到的各个频段上的频域特征进行量化处理，得到0-100内的离散值；

步骤五，全局建模及特征标准化：通过综合处理模块将前面获取的各个频段的特征值作为参数，其所代表的频段与其帕金森症状的相关性作为权重，进行建模，并通过输出模块输出全局特征值。

6.根据权利要求5所述的用于全局LFP帕金森症特征值提取的方法，其特征在于：在步骤三中，将经过预处理的信号采用FFT算法进行转换，获取信号的频谱和功率谱，对各个频段上能量进行量化评估；或者，在步骤三中，分别对各个频段的信号采用希尔伯特黄变换进行频域转换，并分别根据功率谱和光谱，观测各个频段上的特征；或者，在步骤三中，先取所采集数据量的一半量的数据，整体分析各个环境下整体的功率谱上的特征，根据分析的结果进行归类整理，根据整理的结果，对于各种环境下的频段进行固化，然后利用希尔伯特黄变换方法对数据进行处理。

7.根据权利要求5所述的用于全局LFP帕金森症特征值提取的方法，其特征在于：在步骤四中，取采集到的所有信号的能量峰值作为标准值，进行归一化处理；将各个能量值映射在0-100的波动范围内，对分频段的能量值取其所有能量的平均值，作为特征值；或者，在步骤四中，对各个频段上按照各自的情况进行统计处理，结合正常的LFP信号在各个频段上的能量，计算出各个频段上的基线，将各个频段上能量值与基线做差，将各个频段差值的和作为特征值输出；以信号峰值作为标准，将特征值量化在0-100之间。

8.根据权利要求5所述的用于全局LFP帕金森症特征值提取的方法，其特征在于：在步骤五中，采用线性回归模型，将其代表的频段与帕金森症状之间的相关性计算出来，作为线性模型的系数，量化到0-1的波动范围；将各个频段的参数作为输入与系数做乘法，将最后获得的结果作为全局特征值输出；或者，在步骤五中，采用人工神经网络模型，将采集到离线的数据作为训练样本，根据分频的个数，设计神经网络节点的数量，将相关性系数作为节点的权重，进行网络的学习；学习完成后，将各个频段的特征值作为输入，输入到对应的节点，将模型输出作为全局特征值输出。

9.根据权利要求5所述的用于全局LFP帕金森症特征值提取的方法，其特征在于：在步骤五中，低频段的特征参数叠加一个DBS刺激扰动参数，中频段的特征参数叠加一个药物影响扰动参数，高频段的特征参数叠加DBS刺激及药物影响扰动参数；DBS刺激扰动参数、药物影响扰动参数和DBS刺激及药物影响扰动参数均处于0-1范围内。