1.一种基于多重分形消除趋势波动分析的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分析，提取由奇异指数α0、分形谱差值Δf、分形谱宽度Δα及称性参数|B|构成的多重分形特征向量，实现脑电信号分类识别，然后对多重分形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所述的基于多重分形消除趋势波动分析的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所述的基于多重分形消除趋势波动分析的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所述的基于多重分形消除趋势波动分析的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所述的基于多重分形消除趋势波动分析的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)对于长度为N的脑电序列{xk},k＝1,2,...,N，计算其累积离差：式中，表示序列{xk}的均值

2)数据分割：将离差后的诱发脑电Y(i)等分成Ns＝int(N/s)个数据段，其长度是s且无重叠部分；由于N不一定能整除s，所以将上述分割过程再从数据尾部重复一次，使得序列Y(i)的数据全部进入计算，得到2Ns个等长数据段；

3)消除趋势：用最小二乘法对每个数据段v(v＝1,2,...,2Ns)内s个点进行k阶多项式拟合，得到局部趋势函数yv(i)，则消除趋势波动的脑电数据段，得到：Ys(i)＝Y(i)-yv(i)；

4)计算波动函数：完成趋势消除后计算各段脑电序列的均方误差F2(s,v)，当v＝1,

2,...,Ns时：

当v＝Ns+1,Ns+2,...,2Ns时：

然后，求F2(s,v)在2Ns个数据段内的均值，得到q阶波动函数Fq(s)：

5)改变脑电数据段分割长度s，得到对应波动函数Fq(s)，并且波动函数Fq(s)随分割长度s的增大而增大，且呈幂律关系，即Fq(s)∝sH(q)，分别对关系式两边取对数求其线性拟合直线斜率H(q)，则该直线斜率H(q)被称为q阶广义Hurst指数H(q)；

6)H(q)与质量指数τ(q)的关系可表示为τ(q)＝qH(q)-1，对τ(q)～q进行Legendre变换，则奇异性强度指数α(q)和多重分形谱f(α)定义如下：α(q)＝dτ(q)/dq；

f(α)＝q·α(q)-τ(q)；

多重分形谱宽度Δα＝αmax-αmin反映了诱发脑电信号的波动程度，Δα值越大表示诱发脑电波动越激烈，分形强度越大；

当fmax＝f(α0),α0∈[αmin,αmax]时，α0表示多重分形谱峰所对应奇异指数；

分形谱差值Δf＝fmax-fmin刻画了脑电信号在整个时间序列中波峰个数与波谷个数的比值；

用最小二次拟合法拟合多重分形曲线f(α)～α，拟合方程为：f(α)＝A(α-α0)2+B(α-α0)+C，其中，|B|为拟合曲线与y轴交点处的切线斜率绝对值，即多重分形曲线的对称性参数；

由多重分形原理可知，当分形谱差值Δf和谱宽度Δα值越大，曲线f(α)对称性参数|B|和α0越小时，诱发脑电波动越剧烈，多重分形特性越强。

6.根据权利要求1～5中任意一项所述的基于多重分形消除趋势波动分析的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。

7.根据权利要求6所述的基于多重分形消除趋势波动分析的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。