随着人机交互技术的不断发展,情感计算(affective computing,AC)逐渐成为情绪研究的新兴领域,而情绪识别(emotion recognition)则是情感计算中不可缺少的一环。近年来人工智能方面专家致力于把人工智能中加入情感的元素,医学界也在努力从情感方面解决抑郁症、自闭症等精神病患者的难题。因此对于情感的研究是非常有意义和价值的。本文研究的数据来源于20名身体健康的大学生,研究点主要有以下几个方面:(1)研究了脑电信号的特征提取方法。提出了双树复小波变换分解和重构脑电信号算法,相比于传统的小波变换,该算法具有很好的抗混叠效应和平移不变性。利用该算法提取了不同情绪下脑电信号的相位和能量信息。利用非线性动力学分析方法,比较近似熵、赫斯特指数、分形维数三种方法的分类效果。(2)研究了脑电信号的模式分类方法。主要运用了支持向量机(SVM)分类方法,研究了在选用径向基核函数的情况下,通过改进传统的网格搜索法寻找最优参数的问题,并用仿真结果证明了改进后的算法明显的提高了寻找最优参数的效率。(3)研究了脑电信号的情绪识别。利用双树复小波变换后提取的特征,结合非线性动力学特征分形维数。通过对平静、高兴、悲伤三种情绪进行识别,结果表明本文提出的算法比较于以往的研究识别率更高。