1.一种基于非负CP分解模型的脑电意图解码方法，其特征在于，该方法包括以下具体步骤：步骤1、获取脑电数据的频率分量，构建包含通道、频率、时间和试验四个模式的四阶张量数据，将所述四阶张量数据划分为训练集 和测试集 计算训练数据的均值将 分解得到三个组分矩阵， 其中， 表示通道组分矩阵， 表示频率组分矩阵， 表示表示时间组分矩阵， 表示单位立方张量， 表示误差张量，c表示通道数量，f表示脑电数据的频率，t表示时间，m表示单位立方张量 的维度；

步骤2、基于张量各模式的相互作用，利用组分矩阵A和组分矩阵B从 和 提取时间组分的特征，表示为：式中，⊙表示矩阵的Khatri-Rao乘积，上标 表示矩阵的伪逆，下标“3”表示张量的第三个模式， sr表示训练试验的数目，se表示测试试验的数目；

步骤3、采用经典2-DPCA算法对时间组分的特征维度进行优化；

步骤4、利用训练数据训练支持向量机，得到一个分类模型，再用测试数据验证这个模型的分类性能，得到分类精度。

2.根据权利要求1所述基于非负CP分解模型的脑电意图解码方法，其特征在于，所述步骤1中，采用带宽参数为fb＝2Hz的复Morlet小波获取脑电的频率分量。

3.根据权利要求2所述基于非负CP分解模型的脑电意图解码方法，其特征在于，所述步骤1中，首先将所述脑电数据进行逐次截断，并选用8-13Hz带通滤波器进行滤波，再采用带宽参数为fb＝2Hz的所述复Morlet小波获取脑电的频率分量。

4.根据权利要求1所述基于非负CP分解模型的脑电意图解码方法，其特征在于，所述步骤1中，采用5折交叉验证来选取所述测试集和训练集，将左、右手二类脑电数据沿着实验模式方向随机划分成5组，分别将每一组数据用作测试集，用 表示，其余组数据用作训练集，用 表示。

5.根据权利要求1所述基于非负CP分解模型的脑电意图解码方法，其特征在于，所述步骤3包括以下具体步骤：步骤31、计算所述Ctrain的协方差矩阵：

计算所述Gt的特征值和特

征向量，取所述特征向量中特征值累计贡献率为0.97的l个特征向量来构成列方向投影空间 所述l＜m，列方向投影结果为Ftrain,j＝Ctrain,jP，Ftest,j＝Ctest,jP；

步骤32、计算Ftrain的协方差矩阵：

步骤33、求所述 的特征值和特征向量，取所述特征向量中特征值累计贡献率为0.97的d个特征向量来构成行方向投影空间 所述d＜t；

步骤34、得到投影结果为：

Qtrain,j＝VTCtrain,jP，Qtest,j＝VTCtest,jP。