1.一种具备迁移学习能力的脑电信号识别模糊系统方法，其脑电信号的预处理一特征提取，包含如下步骤：步骤一：将利用按标准化的电极布置方案测量采集的23.6秒长度的脑电信号首先都校正到173.6Hz；

步骤二：利用小波包分解技术对上述校正后的初始脑电信号进行特征提取：信号f(t)的连续小波变换定义为：

上式中，Wx(a，b)为小波变换系数，a为伸缩因子或尺度因子，b为平移因子，Ψ(t)为小波函数，t为时间；

对于脑电信号，小波包变换对上层的低频部分和高频部分，都进行了再分解，提高了时频分辨率，信息量保存相对完整，损失很少；

步骤三：小波包能量可以通过小波包系数求得，单一尺度下小波包能量为该尺度下小波包系数的平方和，本发明中，癫痫脑电信号经J层小波包分解后，小波包系数为d(J，0)，d(J，1)...，d(J，2J-1)则可定义小波包能量熵为：

上式中，j为分解层数，i为第j层上的第i个子带，根据上式中求得的脑电信号的总的小波包能量，进而求各个频段小波包系数占总能量的百分比，最后用各个频段的能量熵作为脑电信号新的特征。

2.如权利要求1所述的一种具备迁移学习能力的脑电信号识别模糊系统方法，其特征在于采用的模糊系统的构造过程包含如下步骤：步骤一：利用模糊C均值聚类法求得模糊系统模型的前件参数。作为应用最为广泛且简洁的模糊系统模型，O阶TSK型模糊系统的实值输出如下：

令：

xg＝(μ1(x)，μ2(x)，...，μK(x))T   (4)

步骤二：构建具备迁移学习能力的脑电信号识别模糊系统方法，在处理迁移学习环境下的脑电信号识别任务时，本发明在经典的O阶TSK型模糊系统算法的基础上融合迁移学习策略：

其中，pg为投影向量，式(6-1)即O阶TSK型模糊系统的目标函数，为经典TSK型模糊系统项，其本质是类似于L2-SVR的学习机理，通过引入L2范式的惩罚项 以及结构风险项来求得目标函数的最优解，(6-2)多出的一项 为迁移项，该项通过有效地缩小源域 和目标域 之间的投影距离，来减少源域和目标域的数据分布差异，而后利用拉格朗日条件极值的优化理论可求得目标函数(6-2)后件参数的最优解；根据求得的最优解即为一种具备迁移学习能力的脑电信号识别模糊系统方法的后件部分参数最优解，那么最终具备迁移学习能力的脑电信号识别模糊系统的分类决策函数可表示如下：