1.一种基于模糊阶跃向量波动的睡眠脑电分期方法,其特征在于,具体包含如下步骤:S1、获取长度为L的睡眠脑电序列X(t)={x(1),...,x(t),...,x(L)},提取X(t)的多维向量然后构建睡眠脑电向量距离序列X′(t);S2、设定睡眠脑电向量距离序列X′(t)的上升和下降双向阈值节点;S3、选择睡眠脑电正向上升和负向下降向量距离的模糊转化函数f(t);S4、选取睡眠脑电的阶跃区间,并设定向量距离转化方式;S5、通过模糊阶跃转化的上升和下降向量距离序列进行睡眠脑电向量波动特征提取。2.根据权利要求1所述的基于模糊阶跃向量波动的睡眠脑电分期方法,其特征在于,所述步骤S1具体包括:S11、构建睡眠脑电序列X(t)的多维向量
其中,m为向量的长度,τ为元素在X(t)中的延迟,生成向量的数量为L‑(m‑1)*τ;
S12、构建睡眠脑电向量距离序列X′(t)={x′(1),...,x′(t),...,x′(L′)},其中序列的长度L′=L‑(m‑1)*τ‑1,x′(t)为相邻向量和的距离;3.根据权利要求2所述的基于模糊阶跃向量波动的睡眠脑电分期方法,其特征在于,所述步骤S2具体包括:S21、将步骤S1中获得的睡眠脑电向量距离x′(t)按照正负进行分类整理,分别得到包含正向上升向量距离的上升向量距离序列X+(t)和包含负向下降向量距离xt‑的下降向量距离序列X‑(t):其中,L+和L‑分别为上升向量距离序列X+(t)和下降向量距离序列X‑(t)的长度;x′(t)=0包含在上升向量距离序列X+(t);S22、统计睡眠脑电的上升向量距离序列X+(t)和下降向量距离序列X‑(t)的向量距离元素,分别得到上升和下降向量距离的概率分布dX+和dX‑;
S23、计算上升和下降向量距离的概率分布dX+和dX‑的95%分位数和作为睡眠脑电向量距离序列X′(t)的上升和下降双向的阈值节点。4.根据权利要求3所述的基于模糊阶跃向量波动的睡眠脑电分期方法,其特征在于,所述步骤S3具体包括:S31、分别计算睡眠脑电的上升向量距离序列X+(t)和下降向量距离序列X‑(t)的均值μ+和μ‑:分别统计上升和下降向量距离的概率分布dX+和dX‑的40%和60%分位数,分别标记为