1.一种神经肌肉信息交互模型构建及参数辨识优化方法，其特征在于，具体实施步骤如下：

S1、分别构建运动控制通路模型部分和感觉反馈通路模型部分：S11、构建运动控制通路模型部分：S111、根据输入的给定引起运动控制模块中电位U变化的外界信号，获得与运动控制模块中电位U相关的局部兴奋性平均突触增益参数He和兴奋性细胞膜平均时间常数和树突平均时间常数的和εe，得到运动控制模块的模型函数表达式如下：式中，U(t)为模型输入信号，表示运动控制模块中动作电位的变化，x(t)代表运动控制模块中局部场电位， 代表由运动控制模块传至感觉反馈模块的兴奋信号状态量；

S112、根据步骤S111中x0(t)的变化，通过控制感觉反馈模块中元群募集α与γ，引起感觉反馈模块中元群的变化，输出感觉反馈模块中单元动作电位y(t)，其函数关系如下：y(t)＝[α(αs,αd)+γ(γs,γd)]g[x0(t+τ)]  (2)式中，g[·]为x(t)和y(t)间的具有一定延时的信息传递函数，x0(t)代表由运动控制模块传至感觉反馈模块的兴奋信号，τ为延时因子，α(·)和γ(·)分别为α与γ感觉反馈模块元群的增益函数，αs,αd,γs,γd分别为静态和动态感觉反馈模块中的元群；

S12、构建感觉反馈通路模型部分：S121、输入感觉反馈模块中的外界感觉信号y0(t)，通过中介体Ia和Ib传回运动控制模块，产生感觉反馈模块至运动控制模块的反馈传入信号z(t)，其具体的表达式为：式中，L[·]为z(t)和y0(t)间的信息传递函数，l是牵张反射增益，s是交互兴奋增益，r是交互抑制增益，b是Ib的增益，g是运动控制模块的中间抑制性元群的增益，v'和 分别为来自于中介体Ia和Ib传入运动控制模块的放电频率，G'(t)是随机的已知向量；

S122、基于步骤S11中运动控制模块的函数关系，得到x2(t)与z(t)关系如下：式中，Hi为抑制性平均突触增益参数，εi为抑制性细胞膜平均时间常数和树突平均时间常数的和，z(t)为感觉反馈模块至运动控制模块的反馈传入信号， 为运动控制模块中部分反馈信号状态量；

S13、综合步骤S11和步骤S12中运动控制模块与感觉反馈模块的作用关系，得到运动控制模块信号与感觉反馈模块信号的表达关系分别为：式中，x(t)代表运动控制模块中局部场电位，y(t)代表感觉反馈模块中单元动作电位，N1＝[αγ00]，N2＝[(αs,αd) (γs,γd) T

0 0] 分别为未知参数向量，He为运动控制模块中局部兴奋性平均突触增益参数，εe为兴奋性细胞膜平均时间常数和树突平均时间常数的和，Hi为运动控制模块中局部抑制性平均突触增益参数，εi为抑制性细胞膜平均时间常数和树突平均时间常数的和，s是交互兴奋增益，r是交互抑制增益，b是Ib的增益，v'和 分别为来自于中介体Ia和Ib传入运动控制模块的放电频率，α(·)和γ(·)分别为感觉反馈模块元群α与γ的增益函数，其中L[·]为z(t)和y0(t)间的信息传递函数，y0(t)为输入感觉反馈模块中的外界感觉信号，g是运动控制模块的中间抑制性元群的增益，V(t)＝g[x0(t+τ)]分别为随机的已知向量，g[·]为x(t)和y(t)间的具有一定延时的信息传递函数；

S2、基于多层次耦合特征的参数辨识及优化：S21、基于多层次耦合特征指标构建参数辨识的目标函数：S211、对采集的数据进行预处理，并用非线性多尺度脑电信号和非线性多尺度肌电信号同步耦合分析方法建立耦合强度VC、耦合方向TSE和时间延迟TD多层次特征指标；

S2111、基于时频一致性方法，获取耦合强度VC；

S2112、基于传递谱熵，获取耦合方向TSE；

S2113、基于时延信息传递，获取时间延迟TD；

S212、利用方程误差参数辨识方法构建基于多层次耦合特征指标的目标函数，目标函数的具体表达式为：

其中，ε(k)代表k时刻模型输出与系统输出的偏差，是模型参数估计值， 是模型参数估计值下所有时刻的偏差和；

S22、基于无迹卡尔曼滤波以及步骤S212构建的目标函数对神经肌肉信息交互模型进行参数辨识：

S221、令脑电和肌电信号表达式的输入信号U(t)服从高斯分布；

S222、基于步骤S211建立的多层次特征指标，利用增广状态向量构建状态方程，将模型中的未知参数向量定义为系统中新增状态向量，具体表示为：X'(k)＝[X(k) H(k) ξ(k)]  (7)其中，X为特征指标，H＝[M1 M2]和ξ＝N1·N2分别表示式(5)中的运动控制模块参数和感觉反馈模块参数，H(k)表示运动控制模块参数，ξ(k)表示感觉反馈模块参数，k表示第k时刻；

新的状态方程如下：

式中，X'(k+1)为n维随机状态向量序列，Z(k+1)为n维系统可观测输出变量，Z(k+1)包含运动控制模块中局部场电位x(t)和感觉反馈模块中单元动作电位y(t)，F(·)和h(·)分别为n维和m维函数，U(k)为系统输入变量，k表示第k时刻，k+1表示第k+1时刻；

S223、利用步骤212中的目标函数 并基于无迹卡尔曼滤波中采样策略逼近非线性分布的估计原则，对步骤S222中的未知参数H和ξ进行辨识；

S23、基于混合粒子群算法对参量H＝[HVC HTSE HTD]及ξ＝[ξVC ξTSE ξTD]进行最优选取。

2.根据权利要求1所述的一种神经肌肉信息交互模型构建及参数辨识优化方法，其特征在于，运动控制模块中的元群信号x(t)和感觉反馈模块中的单元动作电位y(t)的变化分别与外界刺激信号有关。

3.根据权利要求1所述的一种神经肌肉信息交互模型构建及参数辨识优化方法，其特征在于，在步骤S223中，根据无迹卡尔曼滤波中采样策略逼近非线性分布的估计原则，当状态值X(k+1)满足 时，辨识过程结束。

4.根据权利要求1或者3所述的一种神经肌肉信息交互模型构建及参数辨识优化方法，其特征在于，多层次耦合特征指标下的目标函数参数集合，是根据目标函数的输出有效逼近基于脑电和肌电信号计算的U(k)值。

5.根据权利要求1所述的一种神经肌肉信息交互模型构建及参数辨识优化方法，其特征在于，步骤S23中的最优选取，是基于对脑电和肌电信号控制系统神经肌肉功能耦合分析指标的逼近优化原则，以脑电和肌电信号运动控制模块和感觉反馈模块中信号能量谱为目标。