1.一種基于多層分解與分形分析的眼動偽跡降噪方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于多層分解與分形分析的眼動偽跡降噪方法，其特征在于，所述對采集并預(yù)處理后的原始腦電信號進(jìn)行經(jīng)驗?zāi)B(tài)分解以得到若干固有模態(tài)函數(shù)，包括：
3.根據(jù)權(quán)利要求1或2所述的基于多層分解與分形分析的眼動偽跡降噪方法，其特征在于，所述基于固有模態(tài)函數(shù)進(jìn)行求和得到眼動偽跡模板，包括：
4.根據(jù)權(quán)利要求1所述的基于多層分解與分形分析的眼動偽跡降噪方法，其特征在于，所述對眼動偽跡模板進(jìn)行連續(xù)小波變換以得到時頻表示矩陣，包括：
5.根據(jù)權(quán)利要求1所述的基于多層分解與分形分析的眼動偽跡降噪方法，其特征在于，時頻表示矩陣中的每個列向量表示信號在某一特定頻率上的時間演化特性，即描述了信號在該頻率下隨時間的變化情況。
6.根據(jù)權(quán)利要求1所述的基于多層分解與分形分析的眼動偽跡降噪方法，其特征在于，采用k-means聚類算法對特征向量進(jìn)行聚類。
7.根據(jù)權(quán)利要求1所述的基于多層分解與分形分析的眼動偽跡降噪方法，其特征在于，采用盒子計數(shù)法計算每個簇的分形維數(shù)，包括：
8.一種基于多層分解與分形分析的眼動偽跡降噪裝置，利用權(quán)利要求1~7任一項所述的基于多層分解與分形分析的眼動偽跡降噪方法實現(xiàn)，其特征在于，包括：經(jīng)驗?zāi)B(tài)分解模塊、連續(xù)小波變換模塊、特征向量聚類模塊、分形維數(shù)計算模塊和腦電信號降噪模塊；
9.一種電子設(shè)備，包括存儲器和一種或多種處理器，所述存儲器用于存儲計算機(jī)程序，其特征在于，所述處理器用于當(dāng)執(zhí)行所述計算機(jī)程序時，實現(xiàn)權(quán)利要求1~7任一項所述的基于多層分解與分形分析的眼動偽跡降噪方法。
10.一種計算機(jī)可讀的存儲介質(zhì)，所述存儲介質(zhì)上存儲有計算機(jī)程序，其特征在于，當(dāng)所述計算機(jī)程序被計算機(jī)執(zhí)行時，實現(xiàn)權(quán)利要求1~7任一項所述的基于多層分解與分形分析的眼動偽跡降噪方法。