1.一种面向实时脑电信号的眨眼伪迹识别方法，其特征在于，包括：

利用脑电信号采集设备实时获取脑电信号，并进行加窗缓冲处理；

动态计算眼电阈值，获得每个时间窗内可能的眨眼位置作为候选眨眼集合；

针对每个候选眨眼，确定其左右边界，构成候选眨眼伪迹；

对每个候选眨眼伪迹进行特征提取，基于提取的特征向量，利用分类模型筛选出最终的眨眼伪迹。

2.如权利要求1所述的一种面向实时脑电信号的眨眼伪迹识别方法，其特征在于，所述加窗缓冲处理采用短时间窗，同时采用带通小波滤波去除脑电信号中的电源噪声和高频噪声。

3.如权利要求1所述的一种面向实时脑电信号的眨眼伪迹识别方法，其特征在于，所述动态计算眼电阈值包括：为避免短时眨眼对阈值大小的干扰，采用经带通滤波处理后，采用4秒内的脑电信号动态计算阈值，阈值大小计算公式为：阈值＝脑电信号均值+1.5×脑电信号平均绝对偏差；

当脑电信号大于该阈值时，则认为是可能的眨眼，低于该阈值的，则认为是干净的脑电信号。

4.如权利要求1所述的一种面向实时脑电信号的眨眼伪迹识别方法，其特征在于，候选眨眼位置的左右边界确定包括：首先计算每个候选眨眼起始和结束区间内最大值的位置，确定眨眼的上升和下降部分的边界，并计算时间窗内相邻两个点的差值DataVelocity，DataVelocity的长度等于当前时间窗长度减1；其次，找出眨眼上升部分DataVelocity的最大值MaxPosVel位置，以及眨眼下降部分DataVelocity的最小值MaxNegVel位置；最后计算可能的左右边界，即搜索左右两边DataVelocity符号改变的第一个点，若搜索不到，则说明其左右边界跨过了时间窗。

5.如权利要求1所述的一种面向实时脑电信号的眨眼伪迹识别方法，其特征在于，针对左右边界跨时间窗的问题，需要进行如下处理：为确定可能的眨眼位置的左边界，对于上升边沿跨时间窗问题，从当前窗向前查找，找到DataVelocity符号改变的第一个点；对于下降沿跨时间窗问题，若相邻窗只有不超过1个眨眼，则从前一个相邻窗的开始重新计算，找到DataVelocity符号改变的第一个点；若相邻窗超过1个可能的眨眼，则从之前相邻窗的倒数第二个可能的眨眼的结尾处开始重新计算，找到DataVelocity符号改变的第一个点；

为确定可能的眨眼位置的右边界，对于实时信号，当其眨眼右边界跨过时间窗边沿时，只能在下一个时间窗寻找；若当前时间窗内只有不超过1个可能的眨眼，则将本窗的开始时间作为下一个时间窗的起点，若当前时间窗内超过1个可能的眨眼，则将倒数第二个可能的眨眼的结尾处的时间作为下一个时间窗的起点；下一个时间窗的终点仍然在当前时间窗终点的基础上向前推进0.1秒，故下一个时间窗的长度为当前时间窗长度加下一时间窗长度；

最终获取每一个可能的眨眼的左右边界，即其起始和结束时间。

6.如权利要求1所述的一种面向实时脑电信号的眨眼伪迹识别方法，其特征在于，所述特征提取采用脑电信号的样本熵、标准差、幅度和最大最小点斜率作为特征，其中，样本熵和标准差，反映了信号的细节信息，而幅度和最大最小点斜率给出了信号的轮廓信息。

7.如权利要求1所述的一种面向实时脑电信号的眨眼伪迹识别方法，其特征在于，所述分类模型需要预先利用训练集中眨眼和干净EEG信号的特征向量进行训练；在实时的眨眼位置识别中，对于每一个找到的候选眨眼位置，计算其特征向量，并利用训练好的分类模型，寻找出真正的眨眼位置及其左右边界。

8.一种面向实时脑电信号的眨眼伪迹识别系统，其特征在于，包括：

预处理模块，其用于利用脑电信号采集设备实时获取脑电信号，并进行加窗缓冲处理；

预估模块，其用于动态计算眼电阈值，获得每个时间窗内可能的眨眼位置作为候选眨眼集合；针对每个候选眨眼，确定其左右边界，构成候选眨眼伪迹；

眨眼伪迹识别模块，其用于对每个候选眨眼伪迹进行特征提取，基于提取的特征向量，利用分类模型筛选出最终的眨眼伪迹。

9.一种电子设备，其特征在于，包括脑电信号采集设备、存储器、处理器及存储在存储器上运行的计算机程序，所述处理器执行所述程序时实现权利要求1‑7任一项所述的一种面向实时脑电信号的眨眼伪迹识别方法。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，该程序被处理器执行时实现权利要求1‑7任一项所述的一种面向实时脑电信号的眨眼伪迹识别方法。