1.一种脑电信号处理方法，其特征是，包括：

数据预处理：对脑电信号数据集进行离散小波变换分解出五条脑电图频带；求出小波系数；剔除一条频率最高的脑电图频带，通过逆向离散小波变换对剩余四条低频率的频带进行重构，得到一个去掉高频成分的信号；

从重构得到的信号中提取时域特征和基于熵的特征，构建备选特征集合；

利用基于特征相关性的特征选择法从备选特征集合里面选出最优特征子集；

所述脑电信号数据集，包含三类脑电信号，分别取自正常人、癫痫病人发作间期和发作期；

所述时域特征包括平均数、中位数、最小值、最大值、偏度、标准偏差、峰值、第一个四分位数、第三个四分位数、四分位数间距、流动性、复杂性、赫斯特指数和去趋势波动分析；

所述基于熵的特征包括样本熵和香农熵；

所述利用基于特征相关性的特征选择法从备选特征集合里面选出最优特征子集的具体步骤为：步骤(3-1)：对特征按照信息增益从大到小排列；

步骤(3-2)：利用最优先搜索方法找出特征子集空间；

步骤(3-3)：如果一个特征中的数值都小于设定阈值，将该特征排除；最终筛选出用于分类的特征；

所述步骤(3-2)的具体步骤为：

对经步骤(3-1)排列好的所有特征，选择排在第一位的特征，作为当前具有最大评估值的特征子集，通过向当前具有最大评估值的特征子集中新增一个特征来获得扩展后的特征子集；

计算扩展后的特征子集的评估值，如果扩展后的特征子集的评估值大于原特征子集的评估值，则将扩展后的子集作为当前具有最大评估值的子集，继续新增下一个特征，并继续进行评估值计算；

如果扩展后的特征子集的评估值小于等于原特征子集的评估值，则舍弃新增的特征，继续向原特征子集新增下一个特征，并继续进行评估；

如果当前子集被连续五次新增特征，都没有得到评估值的增加，就将当前子集作为最佳子集；或者，当最后一个特征被新增到特征子集后，得到的特征子集为最佳子集。

2.如权利要求1所述的一种脑电信号处理方法，其特征是，所述对脑电信号数据集进行离散小波变换分解出五条脑电图频带，是指采用二阶Daubechies小波函数db2对脑电数据集进行离散小波变换分解出五条脑电图频带：δ、θ、α、β和γ；δ的频带是指0-4Hz；θ的频带是指4-8Hz；α的频带是指8-13Hz；β的频带是指13-30Hz；γ的频带是指30-60Hz。

3.一种脑电信号处理系统，其特征是，包括：

数据预处理模块：对脑电信号数据集进行离散小波变换分解出五条脑电图频带；求出小波系数；剔除一条频率最高的脑电图频带，通过逆向离散小波变换对剩余四条低频率的频带进行重构，得到一个去掉高频成分的信号；

特征提取模块：从重构得到的信号中提取时域特征和基于熵的特征，构建备选特征集合；

特征子集选择模块：利用基于特征相关性的特征选择法从备选特征集合里面选出最优特征子集；

所述利用基于特征相关性的特征选择法从备选特征集合里面选出最优特征子集的具体步骤为：对特征按照信息增益从大到小排列；

利用最优先搜索方法找出特征子集空间；

如果一个特征中的数值都小于设定阈值，将该特征排除；最终筛选出用于分类的特征；

所述脑电信号数据集，包含三类脑电信号，分别取自正常人、癫痫病人发作间期和发作期；

所述时域特征包括平均数、中位数、最小值、最大值、偏度、标准偏差、峰值、第一个四分位数、第三个四分位数、四分位数间距、流动性、复杂性、赫斯特指数和去趋势波动分析；

所述基于熵的特征包括样本熵和香农熵；

所述利用最优先搜索方法找出特征子集空间的具体步骤为：

对经前序步骤排列好的所有特征，选择排在第一位的特征，作为当前具有最大评估值的特征子集，通过向当前具有最大评估值的特征子集中新增一个特征来获得扩展后的特征子集；

计算扩展后的特征子集的评估值，如果扩展后的特征子集的评估值大于原特征子集的评估值，则将扩展后的子集作为当前具有最大评估值的子集，继续新增下一个特征，并继续进行评估值计算；

如果扩展后的特征子集的评估值小于等于原特征子集的评估值，则舍弃新增的特征，继续向原特征子集新增下一个特征，并继续进行评估；

如果当前子集被连续五次新增特征，都没有得到评估值的增加，就将当前子集作为最佳子集；或者，当最后一个特征被新增到特征子集后，得到的特征子集为最佳子集。

4.一种电子设备，其特征是，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-2任一项方法。

5.一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1-2任一项方法。

6.一种癫痫检测系统，其特征是，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成以下步骤：数据预处理：对脑电信号数据集进行离散小波变换分解出五条脑电图频带；求出小波系数；剔除一条频率最高的脑电图频带，通过逆向离散小波变换对剩余四条低频率的频带进行重构，得到一个去掉高频成分的信号；

特征选择：从重构得到的信号中提取时域特征和基于熵的特征，构建备选特征集合；

特征子集选择：利用基于特征相关性的特征选择法从备选特征集合里面选出最优特征子集；

信号分类：构建逻辑模型树，设置逻辑模型树的输出值包括：正常人的脑电信号、病人未发病时的脑电信号和癫痫发作时的脑电信号；基于得到的最优特征子集对逻辑模型树进行训练；得到训练好的逻辑模型树；

癫痫诊断：将待检测的脑电信号通过数据预处理、特征选择和特征子集选择步骤的处理，把得到的特征集合输入到训练好的逻辑模型树中，输出分类结果；

所述利用基于特征相关性的特征选择法从备选特征集合里面选出最优特征子集的具体步骤为：对特征按照信息增益从大到小排列；

利用最优先搜索方法找出特征子集空间；

如果一个特征中的数值都小于设定阈值，将该特征排除；最终筛选出用于分类的特征；

所述脑电信号数据集，包含三类脑电信号，分别取自正常人、癫痫病人发作间期和发作期；

所述时域特征包括平均数、中位数、最小值、最大值、偏度、标准偏差、峰值、第一个四分位数、第三个四分位数、四分位数间距、流动性、复杂性、赫斯特指数和去趋势波动分析；

所述基于熵的特征包括样本熵和香农熵；

所述利用最优先搜索方法找出特征子集空间的具体步骤为：

对经前序步骤排列好的所有特征，选择排在第一位的特征，作为当前具有最大评估值的特征子集，通过向当前具有最大评估值的特征子集中新增一个特征来获得扩展后的特征子集；

计算扩展后的特征子集的评估值，如果扩展后的特征子集的评估值大于原特征子集的评估值，则将扩展后的子集作为当前具有最大评估值的子集，继续新增下一个特征，并继续进行评估值计算；

如果扩展后的特征子集的评估值小于等于原特征子集的评估值，则舍弃新增的特征，继续向原特征子集新增下一个特征，并继续进行评估；

如果当前子集被连续五次新增特征，都没有得到评估值的增加，就将当前子集作为最佳子集；或者，当最后一个特征被新增到特征子集后，得到的特征子集为最佳子集。