1.一种基于脑机空间复杂度的术中疼痛检测方法，所述方法应用于脑机接口实时注意力监测系统，其特征在于：从脑机接口实时监测以及疼痛分类的角度去实时监测麻醉中的病人是否因疼痛而术中知晓，通过术前采集被试的疼痛数据与非疼痛数据，建立病人的疼痛模型，然后在术中通过小的滑窗以及调用疼痛模型来确定被试的实时状态。

2.根据权利要求1所述的一种基于脑机空间复杂度的术中疼痛检测方法，其特征在于：所述疼痛数据的处理方法包括以下步骤：步骤1，给定多通道数据；

步骤2，根据多通道数据定义空间排列熵SPE；

步骤3，根据多通道数据定义空间近似熵SAE；

步骤4，根据多通道数据定义空间样本熵SSE；

步骤5，计算空间权重矩阵，计算公式为：T

W＝BP

式中，P为疼痛数据与非疼痛数据的归一化空间协方差矩阵的白化矩阵，B为两类信号经过白化分解后的特征向量，其中得到的w是一个通道乘通道的二维矩阵，取矩阵的第一行或者最后一列作为最终的w；

步骤6，计算两类数据的空间熵特征，将求得的W代入到步骤2、3、4中，最后求得的空间熵特征组合为：

S＝[SPE,SAE,SSE]式中，SPE为空间排列熵，SAE为空间近似熵，SSE为空间样本熵。

3.根据权利要求2所述的一种基于脑机空间复杂度的术中疼痛检测方法，其特征在于：C×T

步骤1中，多通道数据为Xs(i)∈R ,(s∈{1,2}),i＝1,2，……Ns，C是通道数，T是采样点数，s＝1表示被试疼痛状态，s＝2表示被试非疼痛状态，i＝1:n表示第i个任务试次。

4.根据权利要求3所述的一种基于脑机空间复杂度的术中疼痛检测方法，其特征在于：步骤2中，对每个通道的每个试次的时间序列进行相空间重构，并将其每个子序列按照递增顺序排列，并计算单试次单通道各种排列情况出现的相对概率pt,定义空间排列熵：式中，w为空间权重矩阵，m为相空间重构的嵌入维度，Pt为单试次单通道各种排列情况出现的相对概率。

5.根据权利要求4所述的一种基于脑机空间复杂度的术中疼痛检测方法，其特征在于：步骤3中，按步骤2对时间序列进行相空间重构，并计算子序列之间的欧氏距离，并通过统计m

网络中大于阈值t的个数占总数n‑m+1的占比，计算对数平均值Φ(t)，定义空间近似熵：m

式中，w为空间权重矩阵，Φ(t)为对数平均值。

6.根据权利要求5所述的一种基于脑机空间复杂度的术中疼痛检测方法，其特征在于：步骤4中，按步骤3计算欧氏距离，通过统计网络中每一行中大于阈值t＝r*SD的个数占不包m

含自身总数n‑m的比值 计算其对数平均值Φ (t)，定义空间样本熵：式中，w为空间权重矩阵，