1.一种帕金森病轴向症状严重程度表征方法，其特征在于，包括以下步骤：S1、获取脑电信号，对所述脑电信号进行预处理得到局部场电位，采用EMD算法分解局部场电位，得到一系列IMF子信号；

S2、计算各IMF子信号的功率谱密度，得到功率谱密度图，选择功率集中在beta频段的IMF子信号重组得到重组beta频段信号；

S3、分别提取所述重组beta频段信号的均方根、方差、功率谱密度比值和四位分差特征，计算各个特征与轴向症状分数之间的相关性，对轴向症状严重程度进行表征。

2.根据权利要求1所述的一种帕金森病轴向症状严重程度表征方法，其特征在于，采用EMD算法分解局部场电位，得到一系列IMF子信号，包括：S11、搜索原始信号x(t)的所有局部极大值和局部极小值，使用三次样条插值的方法分别连接极大值和极小值，得到上包络线 和下包络线 ；

S12、由上包络线 和下包络线 计算原始信号x(t)在各时间点上的平均值；

S13、原始信号x(t)与平均值 相减，得到 ；

S14、判断 是否满足IMF的定义，如果符合IMF定义，则 为IMF1，否则使 ，重复S11‑S13直至得到符合IMF定义的 ；

S15、得到符合IMF定义的 后，令 ，重复S11‑S14，直到x(t)变为单调序列为止；

S16、最后由原始信号x(t)得到n条IMF信号序列，IMF1，IMF2，.......，IMFn。

3.根据权利要求2所述的一种帕金森病轴向症状严重程度表征方法，其特征在于，所述IMF的定义满足两个条件：（1）在信号序列中，极值点的个数和过零点的个数必须相等或最多相差一个；（2）在任意时间点上，从上下包络线计算出的平均值为零。

4.根据权利要求1所述的一种帕金森病轴向症状严重程度表征方法，其特征在于，使用修正的平均周期法计算功率谱密度，计算过程如下：S21、将IMF信号序列分为L段，每段长M，则第i段为；

n为自变量；

S22、计算信号第i段序列的归一化功率谱密度，公式为：；

其中，h(n)为汉宁窗， 为抽样频率， 为第i段信号序列 的第n个点的值，U为归一化因子，计算公式如下：；

S23、L段序列进行平均处理后，得到最终的功率谱密度：。

5.根据权利要求1所述的一种帕金森病轴向症状严重程度表征方法，其特征在于，所述均方根用于衡量重组beta频段信号的信号强度，计算方式如下：；

其中， 为重组beta频段信号，N为信号点数。

6.根据权利要求1所述的一种帕金森病轴向症状严重程度表征方法，其特征在于，所述功率谱密度比值用于表征重组beta频段信号在原信号中的比例，计算公式如下：；

其中 为重组beta频段信号的功率谱密度序列， 是原始信号的功率谱密度序列。

7.根据权利要求1所述的一种帕金森病轴向症状严重程度表征方法，其特征在于，所述方差用于反映重组beta频段信号的离散程度，计算公式如下：；

其中 为重组beta频段信号，μ为重组beta频段信号的平均值。

8.根据权利要求1所述的一种帕金森病轴向症状严重程度表征方法，其特征在于，所述四位分差用于提示重组beta频段信号的差异程度，计算公式如下：；

其中 为重组beta频段信号中位于25%的值， 为重组beta频段信号中位于75%的值。

9.根据权利要求1所述的一种帕金森病轴向症状严重程度表征方法，其特征在于，使用Spearman方法计算提取的特征与轴向症状分数之间的相关性。

10.根据权利要求1所述的一种帕金森病轴向症状严重程度表征方法，其特征在于，还包括使用SVM验证提取特征对轴向症状严重程度分类的有效性；

其中，选择以径向基函数为核函数的SVM进行分类，使用网格搜索法查找最优参数组合，以十折交叉进行验证。