1.一种基于多尺度多变量传递熵的多通道脑电耦合分析方法，其特征在于，包括以下步骤：

一、采用32通道的Neuracle设备采集多通道脑电信号；

二、采用matlab软件对采集到的脑电信号分别进行去除基线漂移、肌电干扰、眼动干扰和50Hz工频干扰的预处理；

三、采用粗粒化分析方法对多通道脑电信号进行20个不同的尺度分解；

四、采用多变量传递熵方法分析不同尺度下的脑电信号在不同时频间的耦合特性，定量刻画不同脑区间非线性耦合和信息传递特征；步骤三的具体方法如下：将步骤二预处理后的脑电信号数据进行构建脑电信号X＝{x1,x2,…,xi,…,xN}和Y＝{y1,y2,…,yi,…,yN}两组时间序列；对脑电信号进行粗粒化分析，将粗粒化分析应用于尺度划分之中；首先基于粗粒化对信号进行尺度化，公式如下：式中，s为时间尺度；j为序列X和Y粗粒化后的序列序号，N为信号X和Y的长度,和 分别为经过粗粒化后的时间

系列；

步骤四的具体方法如下：

将步骤三中分解的不同时频尺度的时间序列，对在尺度s下的EEG信号进行多变量传递熵分析，公式如下：

式中，Ψ代表一个复杂的系统，包含变量X,Y,…，在时间t时刻的表示为Ψt和Xt,Yt…，和 分别代表其过去状态，同时多尺度多变量传递熵还可以表示为四个香农熵的和，如下所示：

MSMVTEs‑X→Y|Ψ\X值越大，说明时间序列间耦合越强；反之亦然。

2.根据权利要求1所述的一种基于多尺度多变量传递熵的多通道脑电耦合分析方法，其特征在于：步骤一中，32通道的Neuracle设备的脑电电极采用国际10‑20系统标准来采集记录大脑对应的感觉运动区的脑电信号。