1.一种基于神经功能康复主动训练的评估系统，其特征在于，所述系统包括：脑电信号采集模块、肌电信号采集模块、肢体动作采集模块、脑电数据处理模块、肌电数据处理模块、肢体动作数据处理模块、定性评估模块、定量评估模块和康复评估模块；

所述脑电信号采集模块用于对患者的脑电信号进行采集；

所述肌电信号采集模块用于对患者肢体表面肌电信号进行采集；

所述肢体动作采集模块用于对患者肢体动作进行采集；

所述脑电数据处理模块用于对所述脑电信号采集模块采集的脑电信号进行处理和特征提取，通过同步化分析和计算频带功率谱密度得到患者的脑地形图、脑区能量变换图；

所述肌电数据处理模块用于对所述肌电信号采集模块采集的肌电信号进行处理和特征提取，将提取到的肌电积分值、均方根值、小波包能量进行分析处理得到肌肉能力图；

所述肢体动作处理模块用于对所述肢体动作采集模块采集的肢体动作进行分类识别，并与Brunnstrom量表比对；

所述定性评估模块用于基于所述肢体动作处理模块的处理结果，判断患者对场景动作完成的程度，实现阶段分期，得到Brunnstrom分期结果；

所述定量评估模块包含肌电评估模块和脑电评估模块；

所述肌电评估模块基于所述肌电数据处理模块得到的肌肉能力图进行肌电评估，得到肌电评估结果；

所述脑电评估模块基于所述脑电数据处理模块得到的脑地形图和脑区能量变换图对脑区神经激活程度进行评估，得到脑区评估结果；同时将参数传递到场景中，对动作指示场景进行控制；

所述康复评估模块将所述定性评估模块得到的Brunnstrom分期结果和所述定量评估模块得到的肌电评估结果以及脑区评估结果相结合进行脑卒中后患者运动功能状态康复评估，得到康复评估报告。

2.根据权利要求1所述的系统，其特征在于，所述康复评估模块具体用于通过模糊多层次综合评判模型法进行建模，模糊综合评判法结合层次分析法的多层次指标权重来决定评价结果。

3.根据权利要求1所述的系统，其特征在于，还包括：动作指示场景模块，所述动作指示场景模块通过Unity3D游戏开发引擎，利用C#编程创建完全虚拟环境，根据Brunnstrom量表设计对应的动作，患者根据指示完成指定动作，完成后系统将跳到下一场景中。

4.根据权利要求1所述的系统，其特征在于，所述肌肉能力图是指通过从肌力、肌张力、关节活动度、平衡功能、协调功能五个方面表现肌肉的指标，通过对肌电积分值进行分段统计，对应不同的肌肉和肌张力的能力值，得到相应的肌肉能力图；

其中，肌电积分值与肌力和肌张力之间的关系是：肌肉随静力收缩时用表面电极测定的肌电积分值与肌肉强力之间呈正相关；肌电积分值与肌张力呈正相关。

5.根据权利要求4所述的系统，其特征在于，肌力r1的大小通过实测的积分肌电值iEMGa和标准最大积分肌电值iEMGmax的比值来反映，即肌张力r2的大小通过实测的肌电信号均方根RMSα和标准最大均方根比值RMSmax来表示，即

关节活动度r3的大小通过运动过程中的最大角度ROMα和标准角度ROMmax的比值来表示，即

平衡功能r4通过用实测的小波包熵WPESα和标准最大小波包熵WPESmax的比值来表示，即协调功能r5通过实测的积分肌电值的协同收缩率iEMG_CRα和标准最大积分肌电值的协同收缩率iEMG_CRmax的比值来表示，即

6.根据权利要求1所述的系统，其特征在于，对肌电信号进行处理，包括：信号预处理、肌电积分值计算、均方根值计算、信号小波包能量计算、肌肉平均做功百分比以及肌肉痉挛程度。

7.根据权利要求1所述的系统，其特征在于，对脑电信号进行处理，包括：信号预处理、特征频段提取、计算μ/β频段能量值、平均功率谱密度、通过空间插值得到彩色脑地形图以及通过功率值计算得到脑区能量变换图。

8.根据权利要求6或7所述的系统，其特征在于，所述信号预处理包括降采样、高通去基线、自适应陷波去工频以及6层小波包分解进行特定频段提取。