1.一种基于复杂对象控制的高唤醒度的脑电意图辨析方法，其特征在于，所述方法包括以下具体步骤：步骤1：设计应用于脑-机接口实验的控制复杂有约束对象的新范式，包括以下具体步骤：步骤11：模拟人们在保证水无溢出的情况下水平移动水杯这一任务场景，抽象化出概念模型；

步骤12：完成脑控系统在线应用阶段所需要的虚拟任务界面的编程，呈现抽象化被控对象“杯-球系统”的虚拟任务场景；

步骤2：获取多通道运动想象脑电信号样本数据，并对信号进行预处理，包括如下具体步骤：步骤21：搭建脑电信号采集装置；

步骤22：受试者控制操纵虚拟的“杯-球系统”，通过脑电采集设备收集受试者在完成虚拟任务时的脑电，得到多通道运动想象脑电信号数据、存储脑电数据并进行相应的预处理；

步骤23：通过脑电采集设备得到经过放大的脑电信号，并使用滤波器对信号进行预处理；

步骤3：利用共空间模式算法对获得脑电信号进行特征提取，包括如下具体步骤：步骤31：假设X1和X2分别为两分类想象运动任务下的多通道诱发信号矩阵，维数为M*N，M为脑电数据的通道数，N代表每次实验的数据点数；

步骤32：计算每一类样本的归一化协方差矩阵C1和C2，由归一化的协方差矩阵分解得到投影矩阵W，(C1+C2)-1C1＝WDW-1，其中W是特征向量构成的矩阵，D是由特征值组成的对角阵；

步骤33：将样本X向投影方向进行投影，得到滤波信号Z＝WX，信号提取的特征向量表示为：其中，yi为第i个样本归一化后的特征矩阵，选取m行和后m行数据作为CSP特征提取的特征矩阵，得到的向量Y就是提取出的样本特征；

步骤4：脑电信号识别及系统评估；

步骤41：利用Fisher比例分类算法为所述步骤3得到的脑电信号特征构建最佳分类器，利用得到的所述最佳分类器对新的脑电特征进行分类；

步骤42：根据Fisher比例J(w)＝wTSbw/wTSww得到最佳投影方向w，其中类内散度矩阵为类间散度矩阵Sb＝(μ1-μ2)(μ1-μ2)T，μ1和μ2为每类样本的均值向量；

步骤43：将所述样本向w方向投影得到y＝wTX；

步骤44：与最近均值分类器、加权最近均值分类器在相同数据集实验下测试准确率进行比较，对系统进行评估。

2.根据权利要求1所述的基于复杂对象控制的高唤醒度的脑电意图辨析方法，其特征在于，所述步骤12中呈现抽象化被控对象“杯-球系统”的虚拟任务场景的工具为Matlab中提供的心理学实验编制函数库PsychToolbox。

3.根据权利要求2所述的基于复杂对象控制的高唤醒度的脑电意图辨析方法，其特征在于，所述步骤12中呈现，根据建立的描述动态运动的数学模型对抽象化被控对象“杯-球系统”的虚拟任务场景进行呈现。

4.根据权利要求1所述的基于复杂对象控制的高唤醒度的脑电意图辨析方法，其特征在于，所述步骤22中受试者通过按键控制操纵所述虚拟的“杯-球系统”。

5.根据权利要求1所述的基于复杂对象控制的高唤醒度的脑电意图辨析方法，其特征在于，所述步骤22中利用Emotiv头盔采集受试者在虚拟环境中操纵复杂约束对象控制系统时诱发的脑电信号，得到多通道运动想象脑电信号数据。

6.根据权利要求5所述的基于复杂对象控制的高唤醒度的脑电意图辨析方法，其特征在于，所述步骤22中采用所述Emotiv头盔采集受试者14导脑电信号，其电极分布采用10-20国际标准导联定位，采样频率为128Hz。

7.根据权利要求4所述的基于复杂对象控制的高唤醒度的脑电意图辨析方法，其特征在于，所述步骤22中所述脑电采集设备提取的脑电信号是受试者按下按键前1000毫秒和按下按键后1000毫秒的信号。

8.根据权利要求1所述的基于复杂对象控制的高唤醒度的脑电意图辨析方法，其特征在于，所述步骤22中所述受试者控制操纵虚拟的“杯-球系统”需要完成虚拟呈现的边界回避任务，所述边界回避任务包括以下内容：受试者需在规定的边框范围内操纵虚拟的盛有小球的杯，所述杯的初始位置在所述边框左侧A位置，若所述杯从所述边框右侧B位置超出所述边框范围，并且整个过程所述球未溢出所述杯则任务成功；若所述杯从所述边框左侧A位置超出所述边框范围，或者在这个过程中所述球从所述杯中溢出，则任务失败。

9.根据权利要求1所述的基于复杂对象控制的高唤醒度的脑电意图辨析方法，其特征在于，所述步骤23对脑电信号分析之前需要对脑电信号进行滤波处理。

10.根据权利要求1所述的基于复杂对象控制的高唤醒度的脑电意图辨析方法，其特征在于，所述步骤23中滤波器采用4阶巴特沃斯滤波器，滤波范围为8-13Hz。