1.一种基于栈式稀疏自编码模型的涟波和快速涟波检测方法，其特征在于：包括以下步骤：

S101：采用通带频率为80Hz-250Hz的切比雪夫Ⅰ型数字带通滤波器获取原始脑电信号中80Hz-250Hz频率范围的脑电信号；采用通带频率为250Hz-500Hz的切比雪夫Ⅰ型数字带通滤波器获取原始脑电信号中250Hz-500Hz频率范围的脑电信号；

S102：采用移动窗技术，分别将所述80Hz-250Hz频率范围的脑电信号和所述250Hz-

500Hz频率范围的脑电信号截成多小段信号，得到80Hz-250Hz脑电信号段和250Hz-500Hz脑电信号段；

S103：针对涟波和快速涟波分别设计栈式稀疏自编码模型，并分别用来检测80Hz-

250Hz脑电信号段中的涟波和250Hz-500Hz脑电信号段中的快速涟波。

2.如权利要求1所述的一种基于栈式稀疏自编码模型的涟波和快速涟波检测方法，其特征在于：步骤S101中，采用脑电信号记录仪器采集原始脑电信号；其中，一个脑电记录仪具有多个导联，各个导联与大脑接触并记录接触点产生的脑电信号。

3.如权利要求1所述的一种基于栈式稀疏自编码模型的涟波和快速涟波检测方法，其特征在于：步骤S101中，切比雪夫Ⅰ型数字带通滤波器的传递函数如下式所示：上式中，max(M,N)为切比雪夫Ⅰ型数字带通滤波器的阶数；M为切比雪夫Ⅰ型数字带通滤波器传递函数分子多项式的阶数；N为切比雪夫Ⅰ型数字带通滤波器传递函数分母多项式的阶数；bm是分子第m阶的系数；an是分母第n阶的系数；z是待滤波信号，即原始脑电信号。

4.如权利要求1所述的一种基于栈式稀疏自编码模型的涟波和快速涟波检测方法，其特征在于：步骤S102中，在得到80Hz-250Hz频率范围的脑电信号和250Hz-500Hz频率范围的脑电信号的基础上，采用移动窗技术，将每个导联记录的长段脑电信号截成多个持续时间为100ms的小段信号，得到80Hz-250Hz和250Hz-500Hz两类脑电信号段，即80Hz-250Hz脑电信号段和250Hz-500Hz脑电信号段；其中，第r段脑电信号xr如下式所示：上式中， 是滤波后长段脑电信号中第rLw个序列的幅值，即脑电信号时间序列的第rLw个值；Lw是移动窗的窗长。

5.如权利要求1所述的一种基于栈式稀疏自编码模型的涟波和快速涟波检测方法，其特征在于：步骤S103中，针对涟波和快速涟波分别设计栈式稀疏自编码模型，并分别用来检测80Hz-250Hz脑电信号段中的涟波和250Hz-500Hz脑电信号段中的快速涟波；具体为：S201：针对涟波设计的第一栈式稀疏自编码模型和针对快速涟波设计的第二栈式稀疏自编码模型各选择5个候选模型结构；

S202：利用临床标记的涟波和正常活动信号段组成第一数据集，利用临床标记的快速涟波和正常活动信号段组成第二数据集，第一数据集和第二数据集的信号段长度均为Lw，并采用第一数据集和第二数据集分别对所述第一栈式稀疏自编码模型的5个候选模型和所述第二栈式稀疏自编码模型的5个候选模型进行训练和测试，得到所述第一栈式稀疏自编码模型的5个候选模型分别对应的特异性和灵敏度和所述第二栈式稀疏自编码模型的5个候选模型分别对应的特异性和灵敏度；

S203：选择所述第一栈式稀疏自编码模型的5个候选模型中特异性和灵敏度均最高的模型作为第一最佳栈式稀疏自编码模型；若特异性和灵敏度不是同时最高，则选择灵敏度最高的模型作为最终的第一最佳栈式稀疏自编码模型；

选择所述第二栈式稀疏自编码模型的5个候选模型中特异性和灵敏度均最高的模型作为第二最佳栈式稀疏自编码模型；若特异性和灵敏度不是同时最高，则选择灵敏度最高的模型作为第二最佳栈式稀疏自编码模型；

S204：采用第一最佳栈式稀疏自编码模型检测所述80Hz-250Hz脑电信号段中的涟波，采用第二最佳栈式稀疏自编码模型检测所述250Hz-500Hz脑电信号段中的快速涟波。

6.如权利要求5所述的一种基于栈式稀疏自编码模型的涟波和快速涟波检测方法，其特征在于：步骤S201中，第一栈式稀疏自编码模型用来检测80Hz-250Hz脑电信号段中的涟波，其5个候选模型结构的隐藏层节点数m1-m2分别为150-120、120-90、90-60、60-30和30-

10；第二栈式稀疏自编码模型用来检测250Hz-500Hz脑电信号段中的快速涟波，其5个候选模型结构的隐藏层节点数m1-m2分别为200-150、150-120、120-90、90-60和60-30；m1-m2表示栈式稀疏自编码模型的第一个隐藏层的节点数是m1，第二个隐藏层的节点数是m2。

7.如权利要求6所述的一种基于栈式稀疏自编码模型的涟波和快速涟波检测方法，其特征在于：步骤S202中，所述第一数据集包括多个带标签的涟波信号段和多个带标签的正常活动信号段，所述第二数据集包括多个带标签的快速涟波信号段和多个带标签的正常活动信号段；

利用第一数据集和第二数据集分别对所述第一栈式稀疏自编码模型的5个候选模型中的某个候选模型和所述第二栈式稀疏自编码模型的5个候选模型中的某个候选模型进行训练和测试，具体包括：S301：从第一数据集中随机选择80％信号段作为第一训练数据集，用来训练第一栈式稀疏自编码模型，剩余的20％信号段作为第一测试数据集，用来测试第一栈式稀疏自编码模型的性能；

从第二数据集中随机选择80％信号段作为第二训练数据集，用来训练第二栈式稀疏自编码模型，剩余的20％信号段作为第二测试数据集，用来测试第二栈式稀疏自编码模型的性能；

S302：将所述第一训练数据集作为所述第一栈式稀疏自编码模型的训练数据，采用逐层贪婪法对所述第一栈式稀疏自编码模型进行训练，得到训练好的第一栈式稀疏自编码模型；

将所述第二训练数据集作为所述第二栈式稀疏自编码模型的训练数据，采用逐层贪婪法对所述第二栈式稀疏自编码模型进行训练，得到训练好的第二栈式稀疏自编码模型；

S303：采用第一测试数据集对所述训练好的第一栈式稀疏自编码模型进行测试，采用第二测试数据集对所述训练好的第二栈式稀疏自编码模型进行测试；并计算第一栈式稀疏自编码模型和第二栈式稀疏自编码模型各自测试得到的特异性和灵敏度两个指标。

8.如权利要求7所述的一种基于栈式稀疏自编码模型的涟波和快速涟波检测方法，其特征在于：步骤S303中，SEN和SPE的定义如下式所示：上式中，SEN为灵敏度，表示被正确检测的高频振荡节律数量占总高频振荡节律数量的比例；SPE为特异性，表示被正确检测的正常脑电活动数量占总正常脑电活动数量的比例；

TP表示被正确检测的高频振荡节律的数量，TN表示被正确检测的正常脑电活动的数量，FP表示正常脑电活动被错误检测为高频振荡节律的数量，FN表示高频振荡节律被错误检测为正常脑电活动的数量。