1.融合ERP成分与非线性特征的意识情绪方法，其特征是，包括：获取原始脑电信号，对所述原始脑电信号进行预处理；

对预处理后的脑电信号，提取ERP特征；

对预处理后的脑电信号，提取多尺度样本熵MMSE特征；

将ERP特征和多尺度样本熵MMSE特征进行融合，得到融合特征；

将融合特征输入到训练后的分类器中，输出情绪识别结果。

2.如权利要求1所述的融合ERP成分与非线性特征的意识情绪方法，其特征是，获取原始脑电信号，对所述原始脑电信号进行预处理；具体包括：对获取的原始脑电信号去除伪迹，然后叠加平均，最后进行意识情绪识别的通道选择，选择与意识情绪相关的通道，最终得到预处理后的脑电信号。

3.如权利要求1所述的融合ERP成分与非线性特征的意识情绪方法，其特征是，对预处理后的脑电信号，提取ERP特征；具体包括：对预处理后的脑电信号，基于Shapelet算法进行ERP特征匹配与提取，提取出若干个ERP特征。

4.如权利要求1所述的融合ERP成分与非线性特征的意识情绪方法，其特征是，对预处理后的脑电信号，提取ERP特征；详细步骤包括：人工提取ERP特征，并将人工提取出来的ERP特征作为已知特征；

生成与已知特征长度相等的候选子序列T；

依次计算已知特征Sk的任意两点间的斜率，并将其存储在集合S'k；

依次计算候选子序列T的斜率并将其存储在集合T'中；

计算S'k和T'的斜率之差的绝对值，判断每个绝对值是否小于自定义的相似阈值ε，如果是，则执行下一步；如果否，则将把斜率之差绝对值的两倍作为惩罚值；

根据所有斜率差的和，找出所有与已知特征相似的子序列，若所有斜率差的和最小，标记并输出最相似的子序列；

将最相似的子序列存入x1。

5.如权利要求1所述的融合ERP成分与非线性特征的意识情绪方法，其特征是，对预处理后的脑电信号，提取多尺度样本熵MMSE特征；包括：对预处理后的脑电信号，进行变分模态分解和小波包分解与重构，得到基于β和γ频带的重构信号，并计算重构信号的多尺度样本熵MMSE。

6.如权利要求1所述的融合ERP成分与非线性特征的意识情绪方法，其特征是，对预处理后的脑电信号，提取多尺度样本熵MMSE特征；详细步骤包括：对预处理的脑电信号，使用变分模态分解VMD进行分解，得到不同水平的分量VMF；

对每个分量VMF，使用小波包分解WPD进行分解，然后对分解后的结果进行重构，得到情感频带VMFβ+γ；

计算每个情感频带VMFβ+γ的多尺度样本熵MMSE特征；

将多尺度样本熵MMSE特征存入x2。

7.如权利要求1所述的融合ERP成分与非线性特征的意识情绪方法，其特征是，将融合特征输入到训练后的分类器中，输出情绪识别结果；具体包括：将情绪特征向量，送入训练后的随机森林分类器中，进行意识情绪与无意识情绪状态的分类识别。

8.融合ERP成分与非线性特征的意识情绪系统，其特征是，包括：获取模块，其被配置为：获取原始脑电信号，对所述原始脑电信号进行预处理；

ERP特征提取模块，其被配置为：对预处理后的脑电信号，提取ERP特征；

非线性特征提取模块，其被配置为：对预处理后的脑电信号，提取多尺度样本熵MMSE特征；

特征融合模块，其被配置为：将ERP特征和多尺度样本熵MMSE特征进行融合，得到融合特征；

情绪识别模块，其被配置为：将融合特征输入到训练后的分类器中，输出情绪识别结果。

9.一种电子设备，其特征是，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行上述权利要求1‑7任一项所述的方法。

10.一种计算机可读存储介质，其特征是，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1‑7任一项所述的方法。