随着脑机接口技术的发展,基于脑电的情绪识别受到了广大研究者的青睐和重视。脑电情绪识别的研究为人工智能领域的发展注入了新的活力。本文针对脑电信号中眼电伪迹去除和模式识别这两个方面展开研究,设计了基于脑电情绪识别的服务机器人系统,实现了算法在系统上的集成应用,具有一定的理论意义和实际应用价值。首先,本文对脑电信号、情绪模型以及国内外研究现状进行了总结,设计了基于脑电信号的情绪识别系统。然后对脑电信号采集系统进行介绍,并对脑电数据进行了采集。最后对常见的脑电信号处理方法进行了分析,确定将深度学习方法应用到脑电信号处理中。其次,针对传统的眼电伪迹去除方法需要眼电信号作参考信号,且易导致脑电信号重要信息丢失或者伪迹去除不完全的问题,本文将稀疏自编码和去噪自编码相结合,提出了一种基于栈式稀疏去噪自编码的眼电伪迹去除方法。该方法分为离线阶段和在线阶段,离线阶段完成模型的训练工作,在线阶段对脑电信号中的眼电伪迹进行去除。实验结果表明,本文方法能够有效地去除脑电信号的眼电伪迹,且优于其他方法。然后,针对脑电情绪识别率偏低的问题,本文提出了一种三维卷积双向门控循环单元网络(Three Dimension Convolutional Bidirectional Recurrent Neural Network,3DC-BGRU)的模式识别方法。该方法将脑电信号的时间-频率-通道三维数据作为输入,引入三维卷积神经网络和双向门控循环单元网络进行特征提取和分类。实验结果表明,本文方法相比于其他方法有更高的平均识别率。最后,设计了基于脑电情绪识别的服务机器人系统,完成了算法的集成应用。该系统通过采集受试者的脑电信号来对服务机器人进行控制,服务机器人根据不同的情绪做出相应的反应,实现了更加友好的人机交互。通过与其他算法的实验对比表明了本文算法在实际应用中的有效性。