人体的脑电信号是中枢神经系统所产生的信号,其与人的情感变化有密切的关系,利用脑电信号来分析人的情感状态成为了情感识别领域研究的热点。但脑电信号是一种非平稳、非线性信号,容易受到人体其他生理信号和外部因素的干扰,传统的情感识别方法存在算法复杂、识别准确率不高等局限性,本文在对脑电信号深入分析的基础上,对基于脑电信号的情感识别从以下几方面展开研究:首先,针对脑电信号在采集过程中受到各种噪声影响的问题,本文提出一种基于FastICA与双树复小波变换的多导联脑电信号去噪算法。该算法通过计算各独立分量的分形维数值来判别各独立分量中的噪声分量,并使用改进阈值函数的双树复小波变换对有用信号分量进行进一步分析。实验结果表明,该算法在多导联脑电信号降噪方面取得了良好的效果。其次,针对目前情感识别中缺乏有效的特征选择方法的问题,本文利用二进制布谷鸟算法筛选情感特征。首先提取脑电信号的多域情感特征,再使用二进制布谷鸟算法对特征集合进行优选,最终得到最优情感特征子集。实验结果表明,该算法可以获得最优情感特征子集,并有效地降低特征维数。最后,针对情感识别准确率不高、算法训练和测试时间消耗长的问题,本文提出一种基于改进萤火虫的最小二乘双支持向量机情感识别算法。利用最小二乘双支持向量机实现情感识别,并使用改进的萤火虫算法进一步优化最小二乘双支持向量机,确定最优算法模型。实验结果表明,该算法对四种不同类型的情感识别准确率均超过80%,其平均识别准确率相比于LSSVM、SA-IPSO-SVM、MLSTSVM算法分别提升了11.2%、12.5%和8.8%,情感识别算法的训练与测试时间也得到了降低。