1.一种静脉麻醉多参数指标闭环监控系统，其特征在于：所述系统包括参数信号采集模块、控制主机模块、注射装置模块；所述参数信号采集模块与控制主机模块相连，参数信号采集模块用于采集人体原始EEG信号、NIRS信号、EMG信号，并将上述信号转化为可以监测镇静深度、镇痛深度及肌肉松弛度的参数指标传输至控制主机模块；所述控制主机模块用于参数辨识、模型预测、控制器反馈计算得到人体实时需要的药量和注射速率，并实时提供监测指标；控制主机模块的控制端与注射装置模块相连，所述注射装置模块通过控制主机模块获取药剂量和注射速度然后实行对人体进行注射。

2.根据权利要求1所述的一种静脉麻醉多参数指标闭环监控系统，其特征在于：所述参数信号采集模块由EEG-NIRS信号采集系统构成，具有EEG信号模块、NIRS信号模块、肌电信号模块；所述EEG信号模块包含对原始信号的采集及镇静指标的提取；所述NIRS信号模块包含对原始NIRS信号的采集及镇痛指标的提取；所述肌电信号模块包含对原始信号的采集及肌松指标的提取。

3.根据权利要求1所述的一种静脉麻醉多参数指标闭环监控系统，其特征在于：所述镇静深度参数LIA是通过对PLZC、SFS、MPF、BetaRatio四种指标的特征分量，经过整合、特征提取及深度神经网络学习后得到。

4.根据权利要求1所述的一种静脉麻醉多参数指标闭环监控系统，其特征在于：所述镇痛深度参数NAF是通过对原始NIRS信号进行多尺度小波分解及比尔-郎伯法则变换，并通过计算特征曲线A-LL下的面积，得到镇痛深度参数NAF；计算出的指标NAF能准确评估手术中疼痛/镇痛的反应；

NAF＝[(α*LLmin)2+α*β]1/2/12.8             (1)

其中α和β为镇痛深度参数NAF的常数变量，值为0-100的常数；LLmin为特征曲线A-LL在相邻四个子窗口下的面积的最小值。

5.根据权利要求1所述的一种静脉麻醉多参数指标闭环监控系统，其特征在于：所述肌松参数RPSD是根据肌电分量占总能量的比例的大小来判断病人的肌肉松弛度，即提取出肌电信号所在频段(≥40Hz)后，通过计算肌电分量的相对功率谱密度，评估病人肌肉松弛度。

6.根据权利要求1所述的一种静脉麻醉多参数指标闭环监控系统，其特征在于：所述控制主机模块包含监控界面、药代模型、参数辨识、控制器、指标优化及数据库；所述的监控界面包含具有人工输入功能和参数指标监测功能；所述的药代模型为考虑药物混合使用的协同效应的病人模型；所述的参数辨识为基于最小二乘法的模型参数辨识；所述的控制器为模型预测控制和基于扩展预测自适应算法的闭环控制器；所述的指标优化为通过特征提取和无监督式深度神经网络学习进行参数优化；所述的数据库为存储建立病人数据信息。

7.根据权利要求1所述的一种静脉麻醉多参数指标闭环监控系统，其特征在于：所述注射装置模块由并联设计的镇静、镇痛、肌松药物注射器组成，通过与控制主机模块建立RS232串口通信协议，将控制主机模块运算出的镇静、镇痛、肌松三种药物注射速度信息传递给注射器对病人进行药物注射。

8.根据权利要求6所述的一种静脉麻醉多参数指标闭环监控系统，其特征在于：所述的考虑药物混合使用的协同效应的病人模型，针对丙泊酚和瑞芬太尼联合用药产生的协同效应，在传统的PKPD模型基础上，两种药物浓度-响应关系可以由以下规范化的关系进行表示：其中，DOA(t)为麻醉镇静效应；t为时间(s)变量；θ为药物浓度效应参数；E0为指标初始常量(0-100)；Emax(θ)是θ下的最大可能药物效应；Uprop(t)为丙泊酚的浓度效应；URem(t)为瑞芬太尼的浓度效应；Uprop(t)+URem(t)是混合药物效应；U50(θ)是在θ下50％的最大效应常量；γ(θ)是浓度-响应关系在θ下的最大可能药物效应。

9.根据权利要求6所述的一种静脉麻醉多参数指标闭环监控系统，其特征在于：所述的参数辨识即病人模型辨识模块为采用最小二乘法进行辨识，辨识的病人模型如下：其中，u代表模型的输入，即丙泊酚和瑞芬太尼的输注速度；k为输注速度u矩阵中的变量，取整数；y代表麻醉监测指标，即镇静或镇痛；a4，a3，a2，a1，a0，b1，b2，b3为辨识的模型参数。

10.根据权利要求6所述的一种静脉麻醉多参数指标闭环监控系统，其特征在于：所述的指标优化为采用多视角学习方法，对指标特征进行二次优化和确认；包括以下步骤：(1)提取麻醉的不同特征并建立所有特征的特征池；将不同年龄段的特征看作多个视角；

(2)采用多层神经网络第一次训练得到的指标特征标签的出事分布概率作为麻醉的状态特征，联合病人的年龄特征对多层圣经网络进行再训练；

(3)通过建立不同特征与状态的关联关系，找到每个状态下最合适的特征表示生成状态。