1.一种基于联合递归量化的孤独症谱系障碍亚型分类方法，其特征在于：包括以下步骤：基于ASD的rs‑fMRI图像获取每个ROI的BOLD信号；

对每个ROI中获取的BOLD信号进行相位变换得到瞬时相位序列，并计算ROI间的功能连接，获取功能连接矩阵序列；

基于ROI间的功能连接矩阵序列构建脑网络内和脑网络间动态功能连接的状态空间轨迹；

根据网络内和脑网络间动态功能连接的状态空间轨迹计算脑网络的联合递归图JRP，进一步的计算JRP的递归特征；

以脑网络的JRP的递归特征为聚类特征，应用k均值聚类对ASD进行亚型分类；

基于ROI间的功能连接矩阵序列构建脑网络内和脑网络间动态功能连接的状态空间轨迹包括：基于动态功能连接矩阵分别构建脑网络内和脑网络间动态功能连接的状态空间轨迹，其中动态功能连接矩阵为T×R×R矩阵，每对ROI之间的动态功能连接视为独立的状态空间变量，状态空间变量为T×1向量，状态空间轨迹是通过广义函数从功能连接序列构造的：其中 和 表示脑网络内和脑网络间动态功能连接的状态空间轨迹，表示状态空间中的正交单位向量，M和N表示脑网络内和脑网络间动态功能连接的独立状态空间变量的个数；

根据网络内和脑网络间动态功能连接的状态空间轨迹计算脑网络的JRP，进一步的计算JRP的递归特征包括：计算脑网络的JRP；

基于构建的脑网络内和脑网络间动态功能连接的状态空间轨迹 和 分别计算递归图RP：其中Θ表示希尔伯特变换，ε是一个自定的距离阈值， 表示状态 和状态 之间的欧氏距离；

然后基于脑网络内和脑网络间的动态功能连接的RP来计算脑网络的JRP：其中，εp表示系统p的距离阈值；

计算JRP的递归特征；

通过联合递归量化分析对JRP中递归点构成的结构的特征进行量化分析计算其递归特征，包括确定率DET、平均对角线长度L、熵ENTR、散度DIV、层流率LAM和捕获时间TT，其中DET、L、ENTR和DIV是与对角线结构相关的递归特征，其计算方法如下：其中lmin表示对角线结构的最小长度，P(l)是对角线结构长度为l的直方图，LAM和TT是与垂直/水平线结构相关的递归特征，其计算方法如下：其中νmin表示垂直结构的最小长度，即在连续两次测量中持续重复的模式，P(v)是垂直结构长度为ν的直方图。

2.根据权利要求1所述的基于联合递归量化的孤独症谱系障碍亚型分类方法，其特征在于：基于ASD的rs‑fMRI图像获取每个ROI的BOLD信号包括：基于脑区先验模板从经过预处理的rs‑fMRI图像中提取每个ROI的BOLD信号，获取T×R矩阵，其中T为BOLD信号的时间点个数，R为ROI个数。

3.根据权利要求1所述的基于联合递归量化的孤独症谱系障碍亚型分类方法，其特征在于：对每个ROI中获取的BOLD信号进行相位变换得到瞬时相位序列，并计算ROI间的功能连接，获取功能连接矩阵序列，具体包括以下步骤：对于每个ROI的BOLD信号，即长度为T的序列x(t)，其中x(t)为T×1向量，利用希尔伯特变换获得其解析表式xa(t)：xa(t)＝x(t)+jH[x(t)]

其中H[·]表示希尔伯特变换；

然后对于x(t)的解析表式xa(t)进行相位变换得到瞬时相位序列计算每对ROI的瞬时相位序列 之间的余弦相似性r：

其中 为T×1向量， 表示两个ROI的相位差，使用余弦相似性r来评估ROI间的功能连接，从而获取动态功能连接矩阵，即T×R×R矩阵。

4.根据权利要求1所述的基于联合递归量化的孤独症谱系障碍亚型分类方法，其特征在于：以脑网络的JRP的递归特征为聚类特征，应用k均值聚类对ASD进行亚型分类包括：以JRP的递归特征作为聚类特征，对ASD个体进行k均值聚类获取ASD亚型，JRP的递归特征包括DET、L、ENTR、DIV、LAM和TT。

5.一种基于联合递归量化分析的ASD亚型分类装置，其特征在于：使用如权利要求1～4任一项所述的基于联合递归量化的孤独症谱系障碍亚型分类方法，包括：输入模块，被配置为ASD的rs‑fMRI数据的输入；

预处理模块，被配置为对获取的ASD的rs‑fMRI数据进行预处理，并基于先验的脑区模板提取所有ROI的BOLD信号；

相位变换模块，被配置为对每个ROI的BOLD信号进行希尔伯特变换，并进一步的将BOLD信号转换为瞬时相位序列；

动态功能连接计算模块，被配置为对瞬时相位序列计算余弦相似性来评估ROI间的动态功能连接；

相空间重构模块，被配置为根据脑网络内和脑网络间每对ROI之间的动态功能连接来构建瞬时相位序列的空间轨迹；

联合递归模块，被配置为根据脑网络内和脑网络间动态功能连接的相空间轨迹，构建网络内和网络间的RP，进而构建脑网络的JRP用于表述脑网络的动态功能连接分离和聚合的非线性特征；

ASD亚型分类模块，被配置为根据获得的脑网络的动态功能连接分离和聚合的非线性特征，获得ASD的分亚型结果，其中分离和聚合的非线性特征包括DET、L、ENTR、DIV、LAM和TT。