1.一种快速序列视觉呈现下的脑电特征提取方法，其特征在于，包括：针对基于快速序列视觉呈现实验范式的脑电信号，根据所述脑电信号在不同节律能量分布不均且在gamma节律上具有显著的时频能量特征，将gamma节律脑电信号分解为多个时‑频‑空子成分；

采用共空间模式算法对每个子成分的多通道信号进行空间滤波；

采用线性判别分析算法分别对各个子成分进行加权整合，从而得到所述脑电信号gamma节律的时‑频‑空特征集；将gamma节律脑电信号分解为多个时‑频‑空子成分，包括：利用不同带宽的滤波器将原始脑电信号X分解为Nf个子频带信号Xf，f＝1,2,…,Nf；每个脑电信号都是从刺激开始后0‑1s时间内的脑电通道中提取；频率范围覆盖整个gamma频带，通过带通滤波器划分为30‑40Hz，40‑50Hz，50‑60Hz，60‑70Hz，70‑80Hz五个子频带；得到子频带后，对每个子频带Xf进行时间窗划分，各子频带数据等分为Nt个子时间窗信号其中，采用共空间模式算法对每个子成分的多通道信号进行空间滤波，包括：利用共空间模式算法计算子频带f的子时间窗t脑电数据的空间滤波器 的每一行表示一个空间滤波映射向量；对预处理后的每个子频带Xf的每个子时间窗 的脑电数据的脑电数据进行空间滤波处理，然后计算每个共空间成分的均方值 并使用线性判别分析方法求 内的均方值的空间权重 然后对Mft内的均方值进行空间加权得到子频带每个子时间窗对应的空间特征

其中，采用线性判别分析算法分别对各个子成分进行加权整合，包括：使用线性判别分析计算每个子频带的时间窗权重 对每个子频带内的子时间窗的空间特征乘以对应的窗权重系数求和，得到每个子频带的时空联合特征rf；最终的分类特征由Nf个子频带的时空特征串联而成，作为目标识别特征r。

2.根据权利要求1所述的一种快速序列视觉呈现下的脑电特征提取方法，其特征在于，所述Nf设为5。

3.根据权利要求1所述的一种快速序列视觉呈现下的脑电特征提取方法，其特征在于，所述滤波器是零相位Chebyshev I型IIR低通数字滤波器。

4.根据权利要求1所述的一种快速序列视觉呈现下的脑电特征提取方法，其特征在于，所述时间窗为滑动时间窗，窗宽为样本时间长度的十分之一，无重叠移动。