1.一种基于脑网络分析的CNV脑电测谎方法，其特征在于，包括以下步骤：步骤一：脑电信号提取与同步放大

通过导联脑电电极对被测者头部不同位置的脑电信号进行实时提取，然后通过脑电信号放大器对提取的脑电信号进行同步放大处理；

步骤二：脑电信号采集与存储

通过脑电信号采集设备对经步骤一同步放大处理的脑电信号按照预设的采样频率同步进行采集，并将所采集的脑电信号转换成对应编号的数字脑电信号Zi(t)后同步传送至处理器，存储于预先建立的存储单元，其中i＝1,2,…,m，m为采集被测者头部的部位总数；

步骤三：脑电信号预处理

对同一被测者在不同状态下存储的脑电信号进行预处理，预处理包括去除被测者的误操作、去除垂直和水平眼电伪迹以及噪声干扰；

步骤四：脑电信号特征提取

对预处理后的脑电信号进行脑网络分析，提取节点度、聚类系数和全局效率，并融合所述的节点度、聚类系数和全局效率构成脑网络特征向量，对脑网络特征向量进行分析和比对，得出测谎结果。

2.根据权利要求1所述的基于脑网络分析的CNV脑电测谎方法，其特征在于，步骤一中，采用64导联脑电电极，对被测者头部64个部位的脑电信号进行实时提取。

3.根据权利要求1所述的基于脑网络分析的CNV脑电测谎方法，其特征在于，步骤二中，通过64导脑电信号采集设备对各脑电信号进行放大处理，将所采集的64导脑电信号转换成对应编号的数字脑电信号Zi(t)进行存储，且i＝1,2,…,m，m＝64。

4.根据权利要求1所述的基于脑网络分析的CNV脑电测谎方法，其特征在于，步骤三中，预处理条件为：将参考电极设置为TP9和TP10，并进行0.5～30Hz的数字滤波，选取刺激呈现前500ms到刺激后2500ms的脑电信号进行30次叠加平均和基线校正，其中基线选取刺激前

500ms。

5.根据权利要求1所述的基于脑网络分析的CNV脑电测谎方法，其特征在于，步骤四具体操作，包括以下步骤：

1)阈值处理：将大脑结构由节点V和边E构成的网络来描述，其中不同的脑区位置即导联用节点来表示，各个导联之间的连接即为边，两两导联之间的相关系数定义为边连接值；

将边连接值构建为连接性矩阵，计算该矩阵的均值并设定为阈值；

2)二值化处理：对步骤1)中的连接性矩阵进行二值化处理，大于阈值的边连接值设为

1，小于阈值的边连接值设为0，则二值化处理后的矩阵即为邻接矩阵；在邻接矩阵中，1表示对应节点相连，反之0表示对应节点不相连；

3)节点度计算：与节点直接相连的边数被称为该节点的度，脑网络中所有节点度的平均值被称为节点平均度；在邻接矩阵A＝(aij)n×n中，节点平均度D定义为非零元素个数占所有元素总数的比例，如下式：

4)聚类系数计算：在邻接矩阵A＝(aij)n×n中，某节点的聚类系数表示为该节点邻居间实际连接的边数和最大连接边数的比值，整个脑网络的聚类系数是全部节点聚类系数Ci的平均值，即：其中，n为节点数量，也就是导联电极总数，表示节点i的连接度；Di表示这些其他节点之间的最大可能边数；Ei表示的是与节点i直接相连的其他节点之间的边数；

5)全局效率计算：若一个节点经过最少的边数到达另一个节点，则称这条路为最优路径，所经过的边数之和称为最短路径长度；在邻接矩阵A＝(aij)n×n中，两个节点i和j的最短路径长度记为lij，脑网络的特征路径长度为：如果整个脑网络部分节点不连通，那么这两个节点之间的最短路径长度等于+∞，由此，采用全局效率Eglob来度量全脑区的信号传输速率，即：

6)特征融合：将所述的节点度、聚类系数和全局效率进行归一化处理，构成脑网络特征向量。

6.根据权利要求5所述的基于脑网络分析的CNV脑电测谎方法，其特征在于，步骤4)中，当某节点没有邻居节点或只有一个时，该节点的聚类系数Ci等于0；聚类系数的取值范围是

0～1。

7.根据权利要求1～6中任意一项所述的基于脑网络分析的CNV脑电测谎方法，其特征在于，同一被测者在不同状态下指的是在说谎状态下和诚实状态下两种情况。

8.根据权利要求7所述的基于脑网络分析的CNV脑电测谎方法，其特征在于，在步骤四之后，还包括将被测者在说谎状态和诚实状态下预处理后的脑电数据及提取的脑电信号特征显示在计算机显示屏中。