1.一种基于大脑血红蛋白信息的运动速度状态的识别方法，其特征在于，其步骤包括：
(1)、受试者在低中高三种不同速度状态下自主执行骑行运动；
(2)、针对运动起始时刻所记录的脑皮层血红蛋白浓度信息，以合氧血红蛋白与脱氧血红蛋白的差值作为分析参数，从第5个采样点开始于每个采样点结合前面第4个采样点的数值计算相应5个采样周期的差值变化速率，分四个频段分别考虑重点通道的参数特征；
(3)、识别三种不同速度状态：直接应用四个频段下重点通道的含氧与脱氧血红蛋白的差值变化速率平均值作为特征向量，采用极限学习机ELM算法识别速度状态等级。
2.根据权利要求1所述的基于大脑血红蛋白信息的运动速度状态的识别方法，其特征在于，在步骤(2)中，具体分析方法如下：
(1)时域角度，应用统计分析方法确定三种速度状态下的重点测试通道；
(2)频域角度，针对三种速度状态下各测试通道含氧血红蛋白与脱氧血红蛋白的差值变化速率进行功率谱密度分析，重点分析四个频段内各个测试通道的主功率密度对应频率的分布差异。
3.根据权利要求1所述的基于大脑血红蛋白信息的运动速度状态的识别方法，其特征在于，在步骤(1)中：
受试者在低速:30rpm,中速:60rpm,高速:90rpm不同速度状态下自主执行骑行运动；整个实验过程中，应用近红外光脑成像设备FORIE-3000采集被试的脑皮层血红蛋白信息，每一个采样周期为0.13秒；
实验具体流程：在任务开始前，被试保持静息状态2分钟左右，之后开始骑行任务，任务段和休息段交替进行；骑行的速度顺序先后分别是低速，中速和高速；三个任务结束后，三种速度的骑行任务再重复一遍；任务的开始和结束完全由被试自己控制，处于自发的状态，并且休息时间也是由被试控制，在实验前告知被试休息足够多的时间，至少在25秒以上；实验操作者在实验过程中用标记点标记被试任务的开始和结束。
4.根据权利要求2所述的基于大脑血红蛋白信息的运动速度状态的识别方法，其特征在于，具体步骤包括：
①时域Step1：针对每一个测试通道，基于每个采样点计算合氧血红蛋白与脱氧血红蛋白的差值，作为基础的表征指标；
②时域Step2：针对每一个测试通道对应的差值，从第5个采样点开始于每个采样点结合前面第4个采样点的数值计算相应5个采样周期的差值变化速率，以对数据进行平滑处理；
③时域Step3：以运动起始点为转折，运动前取两个时间段T1和T2，运动后取一个时间段T3，每个时间段间隔8个采样周期、9个采样点；
④时域Step4：通过分析统计方差(ANOVA1)，如果某一个测试通道的T1和T2内所测得的差值变化速率平均值没有显著性差异，且T3分别与T1和T2之间的差值变化速率平均值有显著差异，则确定选择为重点测试通道；
⑤频域Step1：针对每一测试通道的差值进行功率谱密度分析，在≥0.01Hz的频段范围确认主功率密度，排除直流成分的影响，分别记录主功率密度对应频率值；
⑥频域Step2：根据三种运动速度的主功率密度对应频率值的分布范围，截取四个频段信息，并针对运动后T3时间段内数据，分析四个频段的统计方差，进一步得出结论：不同速度状态下各频段能量的大小关系以及统计差异特性明显不同；低速状态：频段0.09-0.12Hz内的数据平均值明显大于其他三个频段，同时，频段0.01-0.03Hz内数值明显大于频段0.06-0.09Hz内数值；中速状态同样满足，频段0.09-0.12Hz内的数据平均值明显大于其他三个频段；高速状态：频段0.01-0.03Hz内的数据平均值明显小于其他三个频段。
5.根据权利要求1所述的基于大脑血红蛋白信息的运动速度状态的识别方法，其特征在于，在步骤(3)中，具体步骤包括：
①训练：应用9个重点通道在四个频段的差值变化速率平均值作为特征向量，随机选用7个人的测试数据共42组进行训练；
②判别：使用ELM模式识别方法判别另外两人的12种状态，根据每种状态下的特征向量进行判别，并与实际结果比对计算出识别率；
③计算平均识别率：重复①②步骤10次以上，每次随机选取7人数据进行训练，另外2人进行验证，基于10次以上的识别结果计算平均识别率：低、中、高速三种运动状态的平均识别率分别是72.2％,66.7％,83.3％，总平均识别率可达74.1％。