1.一种多类运动想象脑电信号特征提取及分类方法，其特征在于，包括以下步骤：第一步，使用脑电采集设备采集被试者不同运动想象状态下的多导联脑电信号，并划分为训练集和测试集；

第二步，信号预处理，采用巴特沃斯滤波器和共平均参考去除训练集脑电信号中的工频干扰和基线漂移这些噪声，并对降噪后的信号进行镜像延拓处理；

第三步，将镜像延拓后的脑电信号进行局部均值分解，得到一系列PF分量，截去各PF分量的延拓部分，获得原脑电信号的PF分量；

第四步，根据云理论中的熵和超熵两个特征参数确定阈值，通过阈值来筛选有效PF分量，并将各导联PF分量依次排列构成新的信号矩阵；

第五步，利用共空间模式对不同运动想象任务的信号矩阵进行特征提取，构造特征向量；

第六步，运用多目标灰狼优化算法优化孪生支持向量机参数，并进行训练学习，得到分类器模型；

第七步，提取测试集运动想象脑电信号特征，并通过第六步得到的孪生支持向量机进行分类，完成对多类运动想象脑电信号的识别。

2.根据权利要求1所述的多类运动想象脑电信号特征提取及分类方法，其特征在于，所述第二步的具体步骤如下：步骤1：选取运动想象相关的多导联脑电信号，其中 为采样点数， 为所选取的导联

数量,  表示第 导联的脑电信号

（ ， ）；

步骤2：通过巴特沃斯滤波器对 进行带通滤波，得到带通滤波后信号 ；

步骤3：利用共平均参考对滤波后的信号 进行降噪处理，得到降噪后信号 ：步骤4：对降噪后信号 执行镜像扩展，扩展序列 定义为：式中： 为

镜像延拓后的脑电信号，其中 。

3.根据权利要求1所述的多类运动想象脑电信号特征提取及分类方法，其特征在于，所述第三步的具体步骤如下：步骤1：对 执行局部均值分解，得到若干个PF分量：式中： 表示第 个导联第 次筛选得到的PF分量， 为残余分量；

步骤2：截取 分量中 片段的样本点，得到原脑电信号的PF分量，其中 。

4.根据权利要求1所述的多类运动想象脑电信号特征提取及分类方法，其特征在于，所述第四步的具体步骤如下：步骤1：根据云理论计算 的熵En和超熵He两个特征参数来确定阈值，通过阈值选取有效PF分量：式中： 和 分别表示第 个导联第 个PF分量的熵和超熵， 为 的均值， 为 的二阶中心矩；

步骤2：将 中的有效PF分量依次排列，构成，其中 。

5.根据权利要求1所述的多类运动想象脑电信号特征提取及分类方法，其特征在于，所述第四步中信号矩阵是通过对其余导联脑电数据均进行上述预处理、局部均值分解、PF分量筛选这些操作得到，记为 ，其中 为有效PF分量的总个数。

6.根据权利要求1所述的多类运动想象脑电信号特征提取及分类方法，其特征在于，所述第五步的具体步骤如下：步骤1：针对第1类和第2类运动想象任务的信号矩阵 和 ，首先分别计算 和的平均协方差矩阵 和 ，并求出混合协方差矩阵 ，然后计算白化矩阵 ，并对 和进行白化处理，得到白化后矩阵 和 ，最后对 和 进行特征分解，得到共同特征向量矩阵 ，并选取 前 行和后 行组成矩阵 ,从而构造出空间滤波器；

步骤2：同理对每两类运动想象任务进行步骤1处理，共构造 个空间滤波器，其中为运动想象任务的类别数目，并将属于第 类空间滤波器进行纵向拼接,构造第 类运动想象任务的总体空间滤波器 ；

步骤3：首先对第 类运动想象任务单次样本进行空间滤波：式中,  表示第 类运动想象任务单个样本的特征矩阵；

然后对矩阵 进行特征提取，计算公式如下：式中： 表示方差， ，其中 ，则第 类运动想象脑电信号特征向量 ，同理构造出每类运动想象任务的特征向量。

7.根据权利要求1所述的多类运动想象脑电信号特征提取及分类方法，其特征在于，所述第六步的具体步骤如下：步骤1：通过总体识别准确率和单类识别准确率构造目标函数，目标函数定义如下：式中： 代表总体识别准确率， 代表第 类识别准确率， 是第 类正确分类个数， 是第 类错误分类个数；

步骤2：根据参数范围及约束条件初始化孪生支持向量机惩罚参数和径向基核函数参数，即多目标灰狼优化算法中的初始种群；

步骤3：计算初始化种群中各灰狼的目标函数值，找出非支配解构成初始档案库，并从中选出三个最优解作为头狼，即 狼、 狼和 狼，其余狼则作为 狼；

步骤4：根据多目标灰狼优化算法的狼群捕猎机制和头狼选择机制来更新档案库；

步骤5：重复步骤4直至最大迭代次数，输出帕累托解集，即孪生支持向量机惩罚因子和径向基核函数参数解集。

8.根据权利要求1所述的多类运动想象脑电信号特征提取及分类方法，其特征在于，所述第七步具体步骤如下：步骤1：将测试数据进行第二步和第三步处理得到原脑电信号的PF分量集合 ;步骤2：通过第四步确定的阈值筛选出有效PF分量，构造新的信号矩阵 ;步骤3：利用第五步所求的空间滤波器对信号矩阵 进行空间滤波，得到测试集特征；

步骤4：最后将测试集特征输入第六步训练好的孪生支持向量机中，实现对多类运动想象脑电信号的识别。