1.一种情感状态识别方法，其特征在于，所述方法包括：获取待识别情感状态的多通道脑电信号；

确定所述多通道脑电信号的时域特征、频域特征以及脑网络特征，所述时域特征包括多通道脑电信号中各通道脑电信号的最大值，最小值，均值以及标准差；

根据所述多通道脑电信号的时域特征、频域特征与脑网络特征以及预设的脑电信号情感状态识别模型确定与所述多通道脑电信号对应的情感状态；

所述预设的脑电信号情感状态识别模型具体包括基于随机森林算法的第一状态识别模型、基于k‑最近邻算法的第二状态识别模型以及基于支持向量机算法的第三状态识别模型；

所述根据所述多通道脑电信号的时域特征、频域特征与脑网络特征以及预设的脑电信号情感状态识别模型确定与所述多通道脑电信号对应的情感状态的步骤，具体包括：根据所述多通道脑电信号的时域特征以及基于随机森林算法的第一状态识别模型确定第一情感状态；

根据所述多通道脑电信号的频域特征以及基于k‑最近邻算法的第二状态识别模型确定第二情感状态；

根据所述多通道脑电信号的脑网络特征以及基于支持向量机算法的第三状态识别模型确定第三情感状态；

按照预设的规则综合第一情感状态、第二情感状态以及第三情感状态确定最终情感状态，所述最终情感状态即为与所述多通道脑电信号对应的情感状态。

2.根据权利要求1所述的方法，其特征在于，所述确定所述多通道脑电信号的频域特征的步骤，具体包括：

将所述多通道脑电信号转化为频域上的信号，获取所述多通道脑电信号在频域上频率与幅值的关系，所述关系以坐标图的形式体现；

按照预设的规则确定有效频率‑幅值区域；

按照预设的规则将所述有效频率‑幅值区域划分为多个频率‑幅值区间；

根据所述多通道脑电信号在频域上频率与幅值的关系，判断第一频率‑幅值区间内是否存在相应的关系；

当判断所述第一频率‑幅值区间内存在相应的关系时，确定所述第一频率‑幅值区间的取值为1；

当判断所述第一频率‑幅值区间内不存在相应的关系时，确定所述第一频率‑幅值区间的取值为0；

根据所述各频率‑幅值区间的取值生成二值矩阵，所述二值矩阵即为频域特征。

3.根据权利要求1所述的方法，其特征在于，所述确定所述多通道脑电信号的脑网络特征的步骤，具体包括：

计算所述多通道脑电信号中各通道脑电信号两两之间的皮尔逊相关系数；

根据所述各通道脑电信号两两之间的皮尔逊相关系数生成无向图，所述无向图中各点表示相应的通道脑电信号，所述无向图中各线段表明所述线段的两个端点对应的通道脑电信号之间的皮尔逊相关系数满足预设的条件；

确定所述无向图的特征信息，所述无向图的特征信息即为脑网络特征，所述无向图的特征信息包括度序列，最小度，最大度，簇系数，最短路径长度。

4.根据权利要求1所述的方法，其特征在于，所述基于随机森林算法的第一状态识别模型通过训练生成，所述训练生成基于随机森林算法的第一状态识别模型的步骤，具体包括：采集多个包括情感状态标签的脑电信号训练样本；

确定所述各脑电信号训练样本的时域特征；

根据预设的规则生成多个基于随机森林算法的训练状态识别模型；

根据所述各脑电信号训练样本的时域特征以及基于随机森林算法的第一训练状态识别模型计算各脑电信号训练样本在第一训练状态识别模型下的第一情感状态训练结果；

根据各脑电信号训练样本的情感状态标签以及对应的第一情感状态训练结果计算脑电信号在第一训练状态识别模型下的第一训练准确率；

根据各训练状态识别模型下的训练准确率确定最优训练状态识别模型，所述最优训练状态识别模型即为基于随机森林算法的第一状态识别模型。

5.根据权利要求1所述的方法，其特征在于，所述按照预设的规则综合第一情感状态、第二情感状态以及第三情感状态确定最终情感状态的步骤，具体包括：采集多个包括情感状态标签的脑电信号测试样本；

确定所述各脑电信号测试样本的时域特征、频域特征以及脑网络特征；

根据所述各脑电信号测试样本的时域特征以及基于随机森林算法的第一状态识别模型确定与所述各脑电信号测试样本对应的第一情感状态测试结果；

根据各脑电信号测试样本的情感状态标签以及对应的第一情感状态测试结果计算脑电信号在第一状态识别模型下的第一准确率；

根据所述各脑电信号测试样本的频域特征以及基于k‑最近邻算法的第二状态识别模型确定与所述各脑电信号测试样本对应的样本第二情感状态测试结果；

根据各脑电信号测试样本的情感状态标签以及对应的第二情感状态测试结果计算脑电信号在第二状态识别模型下的第二准确率；

根据所述各脑电信号测试样本的脑网络特征以及基于支持向量机算法的第三状态识别模型确定与所述各脑电信号测试样本对应的样本第三情感状态测试结果；

根据各脑电信号测试样本的情感状态标签以及对应的第三情感状态测试结果计算脑电信号在第三状态识别模型下的第三准确率；

根据所述第一准确率、第二准确率以及第三准确率确定各状态识别模型的权重；

根据所述各状态识别模型的权重综合第一情感状态、第二情感状态以及第三情感状态确定最终情感状态。

6.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1‑5任一所述的情感状态识别方法的步骤。

7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1‑5任一所述的情感状态识别方法的步骤。