1.一种基于脑网络和正则化判别分析的脑电分析方法，其特征在于，该方法包括以下步骤：步骤1：实验数据的采集：对现实生活中的任务场景进行模拟，采集受试者脑电信号并对所述脑电信号进行预处理；

步骤2：计算所述脑电信号数据中每两个时间序列的相位滞后系数，构建邻接矩阵，所述邻接矩阵即为原始脑网络；

步骤3：对所述步骤2构建的原始脑网络进行动态阈值优化；

步骤4：依据所述步骤3中得到的优化后的阈值对所述邻接矩阵进行二值化，构建稀疏化的功能性脑网络；

步骤5：计算所述步骤4所构建的所述脑网络的度，并作为特征；以及步骤6：对所述步骤5中的特征使用正则化判别分析，并根据评价指标进行参数优化，最终得到分别识别率。

2.根据权利要求1所述的基于脑网络和正则化判别分析的脑电分析方法，其特征在于，在所述步骤1中，使用具有动态能量约束的虚拟碗球系统作为实验范式，以做到对现实生活中试验任务的模拟；使用数字带通陷波滤波器对采集到的脑电信号进行预处理。

3.根据权利要求1所述的基于脑网络和正则化判别分析的脑电分析方法，其特征在于，在所述在步骤3中，根据设定的网络平均度、网络连接密度两个指标对步骤2所得的数据矩阵进行行动态阈值优化。

4.根据权利要求3所述的基于脑网络和正则化判别分析的脑电分析方法，其特征在于，在所述在步骤3中，所述阈值的初始值为1；当所述邻接矩阵同时满足所述脑网络平均度大于2lnN，N为所述脑网络节点个数，以及所述脑网络连接密度小于50％时，所述阈值减小

0.001，重复所述步骤3；否则执行步骤4。

5.根据权利要求1所述的基于脑网络和正则化判别分析的脑电分析方法，其特征在于，在所述在步骤6中，使用正则化判别分析对原数据提取出的特征进行解码，根据评价指标完成参数优化。