1.一种基于层次分析的脑电信号特征分类的二分类方法，其特征是：该方法的具体步骤包括：(1)脑机接口系统采集运动想象脑电信号；

(2)将脑机接口系统采集的运动想象脑电信号进行格式转换，并进行数据预处理；

(3)采用特征提取算法分别提取不同时间段和频率段的脑电信号特征；

(4)将特征提取后的脑电信号征和其对应的标记按照合适比例分为训练集和测试集；

(5)根据训练集的脑电信号数据采用二分类算法得到预测分类模型；

(6)采用预测分类模型计算测试集的测试集分类结果，并且分别得出不同时间段和频率段结果的正确率；

(7)对不同时间段或频率段分类结果的正确率与实际结果进行两两比较，构造判断矩阵A；

(8)对判断矩阵A进行一致性检验，并判断是否通过一致性检验，若通过，进入步骤(9)，否则，返回步骤(7)；

(9)确定不同时间段或者不同频率段判断矩阵A的权重W；

(10)用权重W对不同时间段或者频率段训练结果加权得到最后结果及其对应的可信度。

2.如权利要求1所述的一种基于层次分析的脑电信号特征分类的二分类方法，其特征是：所述步骤(1)中脑机接口系统采集运动想象脑电信号的具体步骤为：脑机接口系统对用户进行不同心理作业时的运动想象脑电信号进行采集，分别包括想象左手运动时的运动想象脑电信号和想象右手运动时的运动想象脑电信号，并将采集的运动想象脑电信号进行存储。

3.如权利要求1所述的一种基于层次分析的脑电信号特征分类的二分类方法，其特征是：所述步骤(2)中将脑机接口系统采集的运动想象脑电信号进行格式转换并进行数据预处理的具体步骤为：(2-1)将采集的运动想象脑电信号由二维信号转换为三维信号：将步骤(1)中存储的脑机接口系统采集的运动想象脑电信号构建二维空间矩阵；

(2-2)对步骤(2-1)格式转换后的运动想象脑电信号进行空间滤波、频带的带通滤波、去除眼电和基线矫正预处理。

4.如权利要求1所述的一种基于层次分析的脑电信号特征分类的二分类方法，其特征是：所述步骤(3)中采用特征提取算法分别提取不同时间段和频率段的脑电信号特征的具体步骤为：采用快速傅里叶变换、共空域模式或小波包变换方法提取不同时间段和频率段脑电信号特征。

5.如权利要求1所述的一种基于层次分析的脑电信号特征分类的二分类方法，其特征是：所述步骤(6)中分类结果分别为：想象左手运动时的运动想象脑电信号对应的结果为1，想象右手运动时的运动想象脑电信号对应的结果为-1。

6.如权利要求1所述的一种基于层次分析的脑电信号特征分类的二分类方法，其特征是：所述步骤(7)中构造判断矩阵A的具体步骤为：根据对不同时间段或频率段分类结果的正确率与实际结果进行两两比较得到的正确率大小的不同，引用数字1-9及其倒数作为标度构造出判断矩阵A。

7.如权利要求6所述的一种基于层次分析的脑电信号特征分类的二分类方法，其特征是：所述步骤(7)中，数字1作为标度代表的含义为两个因素相比，具有相同的重要性，数字3作为标度代表的含义为两个因素相比，前者比后者稍重要，数字5作为标度代表的含义为两个因素相比，前者比后者明显重要，数字7作为标度代表的含义为两个因素相比，前者比后者强烈重要，数字9作为标度代表的含义为两个因素相比，前者比后者极端重要，数字2、数字4、数字6和数字8分别表示上述相邻数字标度判断的中间值。

8.如权利要求1所述的一种基于层次分析的脑电信号特征分类的二分类方法，其特征是：所述步骤(8)中，对判断矩阵A进行一致性检验的具体步骤为：(8-1)计算判断矩阵A的一致性指标CI：

其中，λmax为判断矩阵最大特征值，n为阶数；

(8-2)按照平均随机一致性指标表查找一致性指标RI；

(8-3)根据一致性指标CI与一致性指标RI的商计算一致性比例CR。

9.如权利要求1所述的一种基于层次分析的脑电信号特征分类的二分类方法，其特征是：所述步骤(9)中，采用几何平均法、算数平均法、特征向量法、或最小二乘法确定不同时间段或者不同频率段判断矩阵A的权重W。

10.如权利要求1所述的一种基于层次分析的脑电信号特征分类的二分类方法，其特征是：所述步骤(10)中，可信度分为非常好、较好、较差和非常差四个等级。