1.一种基于临床皮层脑电信号控制机械手运动的脑机接口系统，其特征在于，包括信号采集模块、脑电特征提取及解码模块、机械手控制模块以及外设模块，所述的信号采集模块将采集到的临床脑电信号进行预处理后输入到脑电特征提取及解码模块，脑电特征提取及解码模块提取和解码预处理的脑电信号的特征，机械手控制模块将解码的类标通过PC串口发送到机械手，完成手势运动；所述的外设模块监督和反馈用户及机械手执行的任务。
2.根据权利要求1所述基于临床皮层脑电信号控制机械手运动的脑机接口系统，其特征在于：所述的信号采集模块对临床脑电信号进行的预处理包括：
首先，通过分线器对临床脑电信号进行分流，将临床脑电信号分成两路，一路输入医院记录系统，另一路输入神经信号采集仪；
然后，通过神经信号采集仪对临床脑电信号进行信号放大，带通滤波；
最后，将滤波后的临床脑电信号存储于PC控制端。
3.根据权利要求1所述基于临床皮层脑电信号控制机械手运动的脑机接口系统，其特征在于：所述的脑电特征提取及解码模块内置于PC控制端，提取预处理的脑电信号的特征的过程包括：
首先，对滤波后的临床脑电信号通过多窗谱方法估计时间-频率上的功率谱密度；
然后，做归一化后处理，得到每个通道上临床脑电信号的时频特征；
最后，根据每个通道的时频特性，挑选与运动功能相关的通道、临床脑电信号激活时间以及频段。
4.根据权利要求3所述基于临床皮层脑电信号控制机械手运动的脑机接口系统，其特征在于：挑选出的与运动相关的通道具有的特性为：功率谱密度在范围为0.3-15Hz的低频和频率范围为70-135Hz的高频上随运动增高，在频率范围为15-35Hz的中频上随运动降低。
5.根据权利要求1所述基于临床皮层脑电信号控制机械手运动的脑机接口系统，其特征在于：所述的外设模块包括语音模块、显示模块、数据手套以及摄像模块，显示模块用于提示用户需要执行的运动手势；语音模块用于提示用户任务开始以及手势执行情况的实时反馈；数据手套穿戴于用户双手上，用于用户手部运动的实时记录；摄像模块用于用户手部运动的记录。
6.根据权利要求1～5任一权利要求所述的脑机接口系统的应用方法，其特征在于，分为离线训练阶段和在线预测阶段；离线测试阶段用于构建最优的预判模型；在线预测阶段用于实时在线的用构建好的脑机接口系统对用户的脑电信号进行分析，并做出手势类别预测，然后控制外部机械手做出相应的手势。
7.根据权利要求6所述的应用方法，其特征在于，离线训练阶段的步骤为：
(1)脑电采集模块采集临床脑电信号，并对临床脑电信号进行预处理，得到滤波后特定频域的脑电信号；
(2)脑电特征提取及解码模块提取滤波后特定频域的临床脑电信号的特征，得到通道特征量，并通过PC端获取对应的手势类别；
(3)将通道特征量和对应的手势类别输入到SVM分类器中，进行训练，得到预判模型。
8.根据权利要求7所述的应用方法，其特征在于，步骤(1)的具体步骤为：
(1-1)利用分线器对临床脑电信号进行分流，将临床脑电信号分成两路，一路输入医院记录系统，另一路输入神经信号采集仪；
(1-2)利用神经信号采集仪对输入的临床脑电信号进行放大，带通滤波，得到滤波后特定频域的脑电信号。
9.根据权利要求7所述的应用方法，其特征在于，步骤(2)的具体步骤为：
(2-1)利用多窗谱方法对滤波后的临床脑电信号进行估计，得到临床脑电信号的时间-频率上的功率谱密度；
(2-2)对功率谱密度做归一化处理，得到每个通道上临床脑电信号的时频特征；
(2-3)根据每个通道的时频特性，挑选与运动功能相关的通道、临床脑电信号激活时间以及频段，得到通道特征量。
10.根据权利要求6所述的应用方法，其特征在于，在线预测阶段的步骤为：
(a)脑电采集模块采集临床脑电信号，利用分线器对临床脑电信号进行分流，然后通过神经信号采集仪对临床脑电信号进行放大和带通滤波，得到滤波后特定频域的脑电信号；
(b)脑电特征提取及解码模块在得到PC控制端发来的任务开始提示后，从神经信号采集仪的缓冲区获取临床脑电信号并计算与运动相关通道频段上的功率谱密度，并做归一化处理，并利用已经训练好的预测模型对归一化的特征进行分类；
(c)机械手控制模块将分类器解码的类标通过PC串口发送到机械手，完成手势运动，同时，外设模块监督和反馈用户及机械手执行的任务。