1.基于跨脑融合决策的多人运动想象识别方法在无人机控制中的应用，其特征在于：

该多人运动想象识别方法的过程如下：

步骤一：向n个训练人员提供多个运动想象任务，n≥2；该多个运动想象任务包含所有的m个任务类别，m≥2；在各训练人员进行运动想象的同时采集脑电信号，分别获得各训练人员在执行各个运动想象任务时的脑电信号；

步骤二、对步骤一获得的脑电数据分别进行预处理；并对脑电信号打上对应的运动想象任务标签，形成训练集；

步骤三、将训练集中各训练人员的脑电数据进行融合，得到各运动想象任务对应的训练用融合脑电数据；脑电数据的融合采用对将n个被测者的脑电数据进行拼接，或取平均；

步骤四、用带有标签的训练用融合脑电数据对分类器进行训练；分类器包括并排设置的m个二分类器；m个二分类器的两个类别中，其中一个类别是单一的运动想象类别，另一个类别是该单一运动想象类别外的所有运动想象类别的融合类别；每个二分类器的单一的运动想象类别均不相同；将脑电数据输入m个二分类器后；m个二分类器进行分类后各自输出特征矩阵；将m个特征矩阵拼接后导入单一分类器输出分类结果；

对分类器进行训练的具体过程如下：利用训练集对m个二分类器分别进行训练；训练时，按照二分类器预设的分类要求，先将m‑1个运动想象类别合并为其中一类，将最后一个运动想象类别作为另一类进行二分类；

单个二分类器进行训练的过程如下：计算二分类器的两个类别的样本协方差N1、N2，计算公式如下：其中，E1、E2分别为训练集中与二分类器的两个类别对应的脑电数据；trace(·)为矩阵的迹运算；

对样本协方差N1、N2进行主分量分解、白化处理、空间滤波、计算投影后，得到二分类器的投影矩阵WM×M；计算分类特征矩阵ZM×N＝WM×MEM×N；其中，EM×N为训练集的所有数据；

最后将m个二分类器对应的特征矩阵拼接后导入分类器；

步骤五、n个被测者想象同一个运动，在想象的同时采集各被测者的脑电信号，并进行预处理；之后，对n个被测者的脑电数据进行融合，测到跨脑融合脑电数据；将跨脑融合脑电数据导入训练好的分类器中进行分类判断，获取n个被测者想象的运动类别。

2.根据权利要求1所述的基于跨脑融合决策的多人运动想象识别方法在无人机控制中的应用，其特征在于：步骤三中，脑电数据的融合采用如下方法：将n个被测者的脑电数据取平均。

3.根据权利要求1所述的基于跨脑融合决策的多人运动想象识别方法在无人机控制中的应用，其特征在于：步骤三中，脑电数据的融合采用如下方法：将n个被测者的脑电数据进行拼接。

4.根据权利要求1所述的基于跨脑融合决策的多人运动想象识别方法在无人机控制中的应用，其特征在于：步骤一中，每个运动想象任务的任务指示时间为0.5s，运动想象时间为4s；两个运动想象任务的时间间隔为1s。

5.根据权利要求1所述的基于跨脑融合决策的多人运动想象识别方法在无人机控制中的应用，其特征在于：步骤一中，采用64电极的Neuroscan设备来获取脑电数据，采样频率为

1000Hz。

6.根据权利要求1所述的基于跨脑融合决策的多人运动想象识别方法在无人机控制中的应用，其特征在于：步骤一中，运动想象任务通过视频或图片的方式向被测者展示。

7.根据权利要求1所述的基于跨脑融合决策的多人运动想象识别方法在无人机控制中的应用，其特征在于：步骤二中的预处理包括带通滤波和去平均参考。

8.一种脑机系统，其在如权利要求1所述的基于跨脑融合决策的多人运动想象识别方法在无人机控制中的应用中使用，其特征在于：包括中央处理单元PC1、中央处理单元PC2、中央处理单元PC3和中央处理单元PC4；中央处理单元PC1和中央处理单元PC2中均设置有多人脑电同步采集模块和预处理模块，多人脑电同步采集模块采集用户的脑电信号并传输给预处理模块进行预处理；中央处理单元PC4中设置有任务模块和标签识别模块；任务模块在训练时向训练人员提供运动想象任务；标签识别模块生成标签；

中央处理单元PC3中设置有数据传输通信模块、特征计算模块、多人融合分析决策模块和可视化模块；预处理模块输出的脑电信号用标签识别模块打上标签后，通过数据传输通信模块输出到特征计算模块；特征计算模块对打上标签的脑电数据进行分类特征矩阵的计算；多人脑电信号同步采集模块内的分类器利用特征计算模块生成的分类特征矩阵进行训练，并在训练后对多人融合的脑电信号进行运动想象类别的识别，并将识别结果显示到可视化模块上。