1.一种基于脑电信号的驾驶意图识别方法，其特征在于：包括以下过程：

获取驾驶员在驾驶过程中的脑电信号，对脑电信号进行预处理；所述预处理，包括：采用小波阈值降噪方法进行降噪，具体为：将脑电信号分为五层后，再采用小波阈值降噪方法进行降噪；小波阈值降噪方法中采用软阈值函数，通过小波变换前的小波系数与阈值进行比较，绝对值大于或等于阈值的小波系数设置为恒定差值，小于阈值的小波系数设置为零；

通过小波包重构得到预处理后的脑电信号的小波包系数；

提取小波包系数的能量特征；

根据提取的能量特征与贝叶斯模型，得到驾驶意图识别结果；

所述贝叶斯模型，包括：

其中，j表示左转、直行或者右转，i表示通道数，k表示驾驶人数，xik表示第i通道数的第k个特征参数，yij表示第i个通道数的类别。

2.如权利要求1所述的基于脑电信号的驾驶意图识别方法，其特征在于：驾驶意图至少包括左转、右转和直行。

3.如权利要求1所述的基于脑电信号的驾驶意图识别方法，其特征在于：脑电信号包括多个通道电极采集的信号。

4.一种基于脑电信号的驾驶意图识别系统，其特征在于：包括：

数据获取模块，被配置为：获取驾驶员在驾驶过程中的脑电信号，对脑电信号进行预处理；所述预处理，包括：采用小波阈值降噪方法进行降噪，具体为：将脑电信号分为五层后，再采用小波阈值降噪方法进行降噪；小波阈值降噪方法中采用软阈值函数，通过小波变换前的小波系数与阈值进行比较，绝对值大于或等于阈值的小波系数设置为恒定差值，小于阈值的小波系数设置为零；

小波重构模块，被配置为：通过小波包重构得到预处理后的脑电信号的小波包系数；

特征提取模块，被配置为：提取小波包系数的能量特征；

驾驶意图识别模块，被配置为：根据提取的能量特征与贝叶斯模型，得到驾驶意图识别结果；

所述贝叶斯模型，包括：

其中，j表示左转、直行或者右转，i表示通道数，k表示驾驶人数，xik表示第i通道数的第k个特征参数，yij表示第i个通道数的类别。

5.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1‑3任一项所述的基于脑电信号的驾驶意图识别方法中的步骤。

6.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1‑3任一项所述的基于脑电信号的驾驶意图识别方法中的步骤。