随着人机交互研究的深入开展,情绪识别在医疗、教育、服务等领域得到了越来越广泛的应用。情绪与认知紧密相关,良好的情绪状态将对注意力和记忆力起到正反馈作用,因此有效地识别情绪状态并辅助干预负向情绪,引发了研究者关注。脑电信号因其客观性、真实性和高时间分辨率的特点,在情绪识别中展现出了巨大潜力,基于脑电信号的情绪识别及辅助干预不断发展并已成为目前的研究热点。本文针对负向情绪辅助干预,提出一种基于脑电信号多特征融合的负向情绪辅助干预系统。系统融合脑电信号的时频特征以及非线性特征实现情绪识别,并以识别结果作为反馈指标,实现了负向情绪的辅助反馈调节。将DEAP国际公开标准情绪识别数据库与自采脑电信号相结合,多角度提取和分析了情绪脑电信号的特征参数,包括:时域的标准差、二阶差分平均值特征,频域的β功率偏侧性、频谱不对称指数特征,以及非线性特征参数样本熵和LZ复杂度（Lempel-Ziv Complexity,LZC）特征。考虑到系统的实时性和特征冗余情况,基于Relie F特征算法实现特征选择。基于支持向量机,实现正性、负性以及中性情绪分类,识别准确率达到92.3%。负向情绪辅助干预系统,以Emotiv Epoc+作为脑电信号采集设备,基于Openvib搭建系统平台,采用Unity软件完成音乐反馈信息的表达。系统是一个可以实现脑电信号采集、情绪识别以及基于识别结果进行负向情绪辅助调节的综合平台。基于此系统,设计并完成了针对阈下抑郁受试者的情绪识别以及负性情绪辅助反馈调节试验,结果表明,SDS量表与PANAS量表评分在试验后有显著改善（P<0.05）。在脑电信号特征上,受试者α波、β波相对功率值和样本熵特征有显著的增加（P<0.05）,左脑区域电极除F3外,二级差分特征值均有上升趋势,右脑区域P8、FC6和F4电极二阶差分特征值呈下降趋势。验证了本文所设计负向情绪辅助干预系统的有效性。