1.一种脑电信号识别方法，其特征在于，包括：获取脑电数据；

对所述脑电数据进行预处理得到预处理脑电信号；

采用相关分析法提取所述预处理脑电信号的特征，得到第一特征信号；

采用定向传递函数提取所述预处理脑电信号的特征，得到第二特征信号；

对所述第一特征信号和所述第二特征信号进行特征融合得到融合信号；

采用SVM分类器根据所述融合信号得到识别结果；所述识别结果为脑电识别准确率；

所述采用相关分析法提取所述预处理脑电信号的特征，得到第一特征信号，具体包括：获取脑电参数；所述脑电参数包括：刺激频率、谐波数量、采样点数和采样频率；

根据所述脑电参数构建参考信号模型；所述参考信号模型为：其中，fk表示刺激频率，Nh表示谐波数量，M表示采样点数，Fs则表示采样频率；

获取多通道脑电信号；

根据所述多通道脑电信号和所述参考信号模型确定相关系数；

以所述相关系数形成的矩阵作为所述第一特征信号；

所述采用定向传递函数提取所述预处理脑电信号的特征，得到第二特征信号，具体包括：利用定向传递函数得到直接传递函数矩阵，将得到的直接传递函数矩阵排列成一排得到关于直接传递函数的网络特征，将所述网络特征利用相关系数进行特征筛选，得到最能体现各个通道之间的连接特性的特征，再与典型相关分析相关系数相结合，就是最后的代表各个刺激频率响应的特征，即第二特征信号。

2.根据权利要求1所述的脑电信号识别方法，其特征在于，所述对所述脑电数据进行预处理得到预处理脑电信号，具体包括：采用数字带通滤波器对所述脑电数据进行去噪处理得到去噪信号；

采用独立成分分析法对所述去噪信号进行处理得到提取信号；所述提取信号即为预处理脑电信号。

3.根据权利要求1所述的脑电信号识别方法，其特征在于，所述采用定向传递函数提取所述预处理脑电信号的特征，得到第二特征信号，具体包括：利用多变量自回归模型拟合所述多通道脑电信号得到拟合模型；

根据所述拟合模型得到系统传递矩阵；

根据所述系统传递矩阵确定直接传递函数矩阵；

根据所述传递函数矩阵确定所述第二特征信号。

4.一种脑电信号识别系统，其特征在于，包括：脑电数据获取模块，用于获取脑电数据；

预处理模块，用于对所述脑电数据进行预处理得到预处理脑电信号；

第一特征信号确定模块，用于采用相关分析法提取所述预处理脑电信号的特征，得到第一特征信号；

第二特征信号确定模块，用于采用定向传递函数提取所述预处理脑电信号的特征，得到第二特征信号；所述采用定向传递函数提取所述预处理脑电信号的特征，得到第二特征信号，具体包括：利用定向传递函数得到直接传递函数矩阵，将得到的直接传递函数矩阵排列成一排得到关于直接传递函数的网络特征，将所述网络特征利用相关系数进行特征筛选，得到最能体现各个通道之间的连接特性的特征，再与典型相关分析相关系数相结合，就是最后的代表各个刺激频率响应的特征，即第二特征信号；

特征融合模块，用于对所述第一特征信号和所述第二特征信号进行特征融合得到融合信号；

识别模块，用于采用SVM分类器根据所述融合信号得到识别结果；所述识别结果为脑电识别准确率；

所述第一特征信号确定模块具体包括：

脑电参数获取单元，用于获取脑电参数；所述脑电参数包括：刺激频率、谐波数量、采样点数和采样频率；

参考信号模型构建单元，用于根据所述脑电参数构建参考信号模型；所述参考信号模型为： 其中，fk表示刺激频率，Nh表示谐波数量，M表示采样点数，Fs则表示采样频率；

多通道脑电信号获取单元，用于获取多通道脑电信号；

相关系数确定单元，用于根据所述多通道脑电信号和所述参考信号模型确定相关系数；

第一特征信号确定确定单元，用于以所述相关系数形成的矩阵作为所述第一特征信号。

5.根据权利要求4所述的脑电信号识别系统，其特征在于，所述预处理模块具体包括：去噪单元，用于采用数字带通滤波器对所述脑电数据进行去噪处理得到去噪信号；

提取单元，用于采用独立成分分析法对所述去噪信号进行处理得到提取信号；所述提取信号即为预处理脑电信号。

6.根据权利要求4所述的脑电信号识别系统，其特征在于，所述第二特征信号确定模块具体包括：拟合模型确定单元，用于利用多变量自回归模型拟合所述多通道脑电信号得到拟合模型；

系统传递矩阵确定单元，用于根据所述拟合模型得到系统传递矩阵；

直接传递函数矩阵确定单元，用于根据所述系统传递矩阵确定直接传递函数矩阵；

第二特征信号确定单元，用于根据所述传递函数矩阵确定所述第二特征信号。