本文主要研究基于脑电信号的情绪识别,根据脑电信号的特点和情绪的产生机制,结合已有的相关研究,对大脑额叶区进行情绪脑电的分类研究。通过对DEAP数据库的实验分析,根据愉悦度和唤醒度的二维情绪维度模型,选取了压力状态和平静状态作为情绪类别。论文的主要研究点如下:1、研究了脑电信号的特征提取方法。利用线性分析的小波变换,提取了情绪脑电不同节律下的小波能量;利用非线性动力学方法提取了情绪脑电的非线性特征,包括近似熵、样本熵和排列熵三种方法。2、研究了脑电信号的模式分类方法。主要运用支持向量机(SVM)分类方法,研究了SVM惩罚因子和径向基核函数参数的选择,以及通过改进的网格搜索法进行参数寻优,并通过实验进行了验证。3、进行了基于脑电信号的情绪识别实验研究。利用小波能量和三个非线性参数,通过SVM对压力态和平静态的脑电信号进行分析,分别从单个特征参数和融合多个特征参数进行识别分类。结果表明:从特征参数的方法来看,非线性分析法的分类效果要好于线性分析法,其中非线性分析法中的排列熵效果最好;从特征参数的维度分析来看,融合多个特征参数的分类效果要好于单个特征参数的分类效果,其中融合三个非线性特征参数,得到的分类准确率达到77.8%。