1.一种基于脑电临界核参数预测癫痫发作的方法，其特征在于，具体包括以下步骤：S1、获取原始多通道脑电图，并对脑电数据进行预处理，筛选获取脑电异常波动大核心通道的数据；

S2、根据获取核心通道的数据构建癫痫脑电的临界核并计算其尺寸，获得癫痫发作的空间临界特征；

S3、对获取核心通道的数据中脑电幅度涨落波动进行Z分数标准化，得到癫痫发作的时序临界特征；

S4、结合获得的空间临界特征和时序临界特征，构建基于临界核的复合指标，并设置报警阈值，根据复合指标与报警阈值的关系进行预测。

2.根据权利要求1所述的一种基于脑电临界核参数预测癫痫发作的方法，其特征在于，获得癫痫发作的空间临界特征的过程包括以下步骤：从核心通道中根据皮尔逊相关系数选择相关性最高的两两通道；

根据两两通道之间的相关性，通过二值化构建临界核，即将电极作为节点，若两个节点间相关性强则存在边关系，所有节点和边关系即为临界核；

计算临界核大小和连接强度，将其作为癫痫发作的空间临界特征。

3.根据权利要求2所述的一种基于脑电临界核参数预测癫痫发作的方法，其特征在于，两两通道信号的皮尔逊相关性系数表示为：其中，x＝{x1,x2,...,xn}和y＝{y1,y2,...,yn}分别表示n个时间点的两个通道的脑电信号；xi和yi是第i个时刻的x和y的值；和 分别表示x和y的均值。

4.根据权利要求2所述的一种基于脑电临界核参数预测癫痫发作的方法，其特征在于，临界核表示为(Vin,Ein)，临界核的尺寸表示为：CNSin＝sum(Ein)ij,其中，Vin＝{n1,n2,n3…}是网络中所有节点的集合，Ein是网络中连接的边，ni表示第i个节点；(Ein)ij表示第i个节点ni与第j个节点nj之间的边关系，若第i个节点ni与第j个节点nj之间连通则(Ein)ij＝1，否则(Ein)ij＝0。

5.根据权利要求1所述的一种基于脑电临界核参数预测癫痫发作的方法，其特征在于，得到癫痫发作的时序临界特征包括：

其中，Zδ(i)为癫痫发作临界特征波动参数；δi＝{δ1,δ2,...}是脑电信号核心通道中通道衡量幅度涨落波动的标准差δ的平均值；μ为δi的平均值；δδ为δi的标准差。

6.根据权利要求1或5所述的一种基于脑电临界核参数预测癫痫发作的方法，其特征在于，每个通道衡量幅度涨落波动的标准差δ的计算包括：其中，X为通道上的脑电信号，表示为X＝{X1,X2,...,Xn}，Xn表示该通道上第n个切片信号；E表示求期望。

7.根据权利要求1所述的一种基于脑电临界核参数预测癫痫发作的方法，其特征在于，结合获得的空间临界特征和时序临界特征，构建基于临界核的复合指标，表示为：其中， 表示临界核内所有脑电异常波动的均值， 表示临界核内所有通道相关性的均值，CNSin表示临界核尺寸的大小。

8.根据权利要求1所述的一种基于脑电临界核参数预测癫痫发作的方法，其特征在于，根据个体样本癫痫发作前期和间歇期设置报警阈值，当检测到基于临界核的复合指标高于设定的阈值时，表示即将癫痫发作，给出预警信号。

9.根据权利要求8所述的一种基于脑电临界核参数预测癫痫发作的方法，其特征在于，计算每个样本基于临界核的复合指标的最大值，将CImin～CImax基于临界核的复合指标的最小值到最大值之间作为报警阈值的取值空间，以固定间隔获0.1取一个报警阈值集合，表示为Pset＝{CImin,CImin+0.1,CImin+0.2,...,(CImax)}，则选择的最佳报警阈值为满足下式且报警阈值集合中值最大的Pset：

Pvalue＝Sum((CImax)pre≥Pset+(CImax)inter