情感是人们生活中不可或缺的一部分,人们的喜怒哀乐往往影响着日常的工作和学习,因此如何识别人们的不同情绪也就成为了一个重要的课题。在本文中我们采用了脑电信号来研究关于情感识别的问题。首先我们设计了一个基于视频刺激的情感诱发实验,并利用脑电采集设备获取被试在实验中产生的脑电信号。在得到原始的脑电数据之后我们先将这些数据滤波到delta、theta、alpha、beta和gamma等五个频带上再分别计算出各个电极在这五个频带上的对数频带能量作为原始的脑电特征,为了去除这些特征中所包含的与情感无关的信号干扰,我们又利用线性动力系统对这些特征进行了平滑并得到了最终的脑电特征。然后我们通过相关性特征选择方法找出了与情感最相关的前50个不依赖于被试的共性特征并通过这些特征所对应的电极位置找出了与情感相关的脑区分布,在此之后我们又利用主成分分析方法对这些共性特征进行再降维,并通过线性支持向量机进行分类,得到了平均88.5%的分类结果。最后我们通过流形学习模型拟合出了被试在整个实验过程中的情感变化轨迹。