情绪是人对客观事物的态度体验,是人脑对客观事物与主体需要之间关系的反映。情绪识别指利用计算机技术对人类的情绪进行有效的分类,在军事、教育、医疗护理等应用领域有广泛的意义。脑电信号（Electroencephalography,EEG）作为与情绪有高度关联性的生理信号,具有可靠性高,实用性强等特点,成为情绪分类研究领域中的热点。本研究以不同情绪状态下脑电信号的特征作为主要研究内容。设计了基于视频诱发法的情绪脑电诱发实验,采集得到不同情绪状态下的脑电信号,建立了基于双向长短时记忆网络（Bi-directional Long Short-Term Memory,Bi-LSTM）的情绪识别模型,通过DEAP数据集和情绪脑电诱发实验数据集验证了该模型的分类效果,并对不同情绪状态下脑电特征进行了探索分析,主要研究工作如下:（1）通过研究情绪产生机理、相关情绪基础理论以及不同情绪诱发实验方法,设计了视频情绪脑电诱发实验。通过观看不同类型的视频材料,获取10名志愿者在不同情绪状态下的EEG信号,并采用情绪维度主观量表,标记不同情绪状态在唤醒和效价两个维度上的量化值。同时,获取DEAP数据库情绪脑电数据,作为后续算法模型分类效果及特征分析比较的基础。对诱发实验采集得到的脑电数据及DEAP情绪脑电数据进行分析处理,采用ICA方法去除干扰信号,滤波提取各个频段脑电数据,采用池化移动窗获得时间上连续的能量特征,作为情绪分类模型的输入。（2）设计了Bi-LSTM模型对DEAP数据集和情绪脑电诱发实验数据进行情绪识别。情绪识别的传统方法常采用EEG的时域波形、频域能量、非线性特征等,没有充分考虑情绪相关EEG的时间特性。而Bi-LSTM模型不但继承了长短时记忆网络（Long Short-Term Memory,LSTM）的递归结构,并且在传统方法的基础上考虑到了前后双向因素,具有良好的计算优势。采用Bi-LSTM模型对DEAP数据集进行分类:效价度准确率为77.28%±7.24%,唤醒度准确率为76.78%±8.37%。情绪脑电诱发实验数据集分类结果:效价度准确率为77.35%±8.31%,唤醒度准确率为78.90%±7.97%。通过与采用DEAP数据集其他分类模型的结果比较,Bi-LSTM情绪识别模型在情绪EEG识别上具有一定的优势。（3）从脑区位置、频段能量两个方面分析比较了效价和唤醒两个维度下,情绪EEG特征的差异。在脑区位置方面:效价度特征和唤醒度特征主要存在于额叶区和顶叶区。在频段能量方面:α频段,效价度特征右侧额叶较左侧额叶明显,唤醒度特征在左、右两侧额叶基本相同;β频段,左、右两侧额叶的效价度特征和唤醒度特征基本相同;θ频段,右侧额叶效价度特征比左侧额叶明显,唤醒度特征在左、右两侧额叶基本相同。除了得出上述结论外,还发现两个数据集在采用顶叶区频段能量特征分类结果存在一定差异,分析原因可能为:情绪诱发方式存在差异;被试种族文化存在差异;参与分析的样本量较少等原因。