1.一种基于KL散度的特征提取方法，其特征在于：针对长度等于预设窗口长度m的整数α倍的连续目标脑电采样信号，执行如下步骤，实现连续目标脑电采样信号的波动分析，α≥

2；步骤A.按预设窗口长度m，顺序针对连续目标脑电采样信号进行连续、且彼此不重叠划分，顺序获得各个脑电采样信号窗口x(1)、x(2)、…、x(α)，然后进入步骤B；

步骤B.基于i＝1、2、…、α‑1，以x(i)与x(i+1)构成分析组的方式，顺序获得各个分析组，然后进入步骤C；

步骤C.分别针对各个分析组，根据分析组中两脑电采样信号窗口之间联系，计算分别对应该各脑电采样信号窗口的概率密度，并进一步计算该两脑电采样信号窗口之间的相对熵，即获得各个分析组分别对应的相对熵，然后进入步骤D；

步骤D.基于各分析组的获得顺序，对各分析组分别对应的相对熵进行排序，构成连续目标脑电采样信号所对应的波动特征向量，实现连续目标脑电采样信号的波动分析；

上述步骤C中分别针对各个分析组，执行如下步骤：

步骤C1.获得分析组中x(i)与x(i+1)之间彼此不重复元素构成的向量unique(i)，然后进入步骤C2；

步骤C2.顺序统计向量unique(i)中各个元素分别在x(i)中出现的次数，记作向量sum(Q＝x)，同时顺序统计向量unique(i)中各个元素分别在x(i+1)中出现的次数，记作向量sum(P＝x)，然后进入步骤C3；

步骤C3.根据x(i)中元素的总数|Q|，按p(x)＝sum(Q＝x)/|Q|，计算获得向量unique(i)中各元素分别在x(i)中的概率密度，构成概率密度向量p(x)；同时，根据x(i+1)中元素的总数|P|，按q(x)＝sum(P＝x)/|P|，计算获得向量unique(i)中各元素分别在x(i+1)中的概率密度，构成概率密度向量q(x)；然后进入步骤C4；

步骤C4.根据概率密度向量p(x)、概率密度向量q(x)，计算获得该两脑电采样信号窗口之间的相对熵。

2.根据权利要求1所述一种基于KL散度的特征提取方法，其特征在于：所述步骤C4中，根据概率密度向量p(x)、概率密度向量q(x)，执行如下步骤C4‑1至步骤C4‑5；

步骤C4‑1.初始化k＝1，并进入步骤C4‑2；

步骤C4‑2.针对概率密度向量p(x)中第k个元素p(x)k，概率密度向量q(x)中第k个元素q(x)k，判断p(x)k、q(x)k是否均不等于0，是则进入步骤C4‑3；否则令D(p||q)k＝0，并进入步骤C4‑4；

步骤C4‑3.按如下公式：

计算获得D(p||q)k，并进入步骤C4‑4；

步骤C4‑4.判断k是否等于对应向量unique(i)中元素的个数K，是则进入步骤C4‑5；否则针对k的值进行加1更新，并返回步骤C4‑2；

步骤C4‑5.按如下公式：

计算获得该两脑电采样信号窗口之间的相对熵D(p||q)。

3.根据权利要求1所述一种基于KL散度的特征提取方法，其特征在于：基于α≥3，还包括步骤E如下，执行完步骤D之后，进入步骤E；

步骤E.计算获得连续目标脑电采样信号所对应波动特征向量中各元素的方差，即连续目标脑电采样信号所对应的方差，进而构成连续目标脑电采样信号的波动表征。