脑-机接口旨在通过记录特定的神经活动、构建认知模型、解码用户的意图和心理状态以及开发特定的闭环神经反馈系统,是一种变革性的人机交互技术。其中,情绪脑-机接口一个集检测和反馈为一体的闭环情感计算系统,其在情感监测上的研究具有重要意义,因为长期的负面情绪累积会导致情绪障碍,从而影响身心健康,甚至可能会导致脑疾病。然而,目前,少有研究利用运动想象策略来调节情绪,忽视运动中认知干预对情绪的调控作用。因此,本文主要基于脑电研究跨被试情绪识别方法,探索合适的运动想象范式,并初步开发在线情绪识别系统,监测运动想象策略对情绪调节的作用。论文的主要研究内容如下:(1)本文基于脑电探索了想象运动参数的实验范式是否可以使用支持向量机(SVM)、极限学习机(ELM)等算法进行模式分类。实验结果表明,想象运动参数的实验范式可以有效诱发大脑的事件相关去同步、事件相关同步(RED、ERS)现象,并且SVM、ELM等算法都可以有效区分上述运动想象模式。(2)针对情绪识别中对时域、频域、时-频域信息利用不充分及分类模型具有被试依赖等问题。本文提取了情绪识别中常用的各类特征,并采用相关特征(Relief F)选择算法对各类特征进行排序,选择权重较高的特征训练分类器,并对比了SVM、线性判别分析、K最近邻、随机森林、深度信念网络等不同分类算法的分类性能,提出了跨被试的情绪识别框架。并基于跨被试的情绪识别框架,初步开发在线情绪识别系统。(3)本文设计了运动想象与情绪激发的实验范式,从神经模式的角度初步研究了运动想象对情绪的调节作用,实验结果表明,运动想象能促进正性情绪产生,运动想象策略可能为情绪调节提供新的参考。