1.一种脑电信号分类方法，其特征在于，包括以下步骤：
对获得的脑电信号进行预处理；
从预处理后的脑电信号中提取出非线性模糊熵作为脑电信号的特征；
对提取出的非线性模糊熵进行降维处理；
向预先训练的分类模型中输入降维处理后的非线性模糊熵，输出得到分类结果。
2.根据权利要求1所述的方法，其特征在于，采用拉普拉斯特征映射降维方法对提取的非线性模糊熵进行降维处理。
3.根据权利要求1所述的方法，其特征在于，所述预处理过程包括：将采集到的信号频率进行降采样，并去除基线漂移、坏点以及眼电伪迹，然后进行分段处理。
4.一种脑电信号分类系统，其特征在于，包括：
预处理模块，用于对获得的脑电信号进行预处理；
特征提取模块，用于从预处理后的脑电信号中提取出非线性模糊熵作为脑电信号的特征；
降维模块，用于对提取出的非线性模糊熵进行降维处理；
分类模块，用于向预先训练的分类模型中输入降维处理后的非线性模糊熵，输出得到分类结果。
5.根据权利要求4所述的系统，其特征在于，所述降维模块采用拉普拉斯特征映射降维方法对提取的非线性模糊熵进行降维处理。
6.根据权利要求4所述的系统，其特征在于，所述预处理模块具体用于：将采集到的信号频率进行降采样，并去除基线漂移、坏点以及眼电伪迹，然后进行分段处理。
7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-3任一项所述方法的步骤。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-3任一项所述方法的步骤。