利用计算机技术进行情绪识别是实现高级人机交互的关键技术,对于实现人机交互、人—计算机接口以及智能计算机等有重要意义。而基于生理信号的情绪识别更具有客观性,因此,基于生理信号的情绪识别是当前模式识别、认知科学和心理学研究领域的热门研究课题之一。本文以基于EEG信号的情绪分类研究为目的,先建立情绪信息采集系统；以高兴和不高兴为例,设计情绪诱导刺激文件；然后研究基于主成分分析(PCA)的情绪特征提取和基于SVM的情绪特征匹配算法,最后建立喜悦与不喜悦情绪识别系统。主要的工作如下：(1)设计和实现了一个多生理信息采集平台,包括图像采集子系统、脑电采集子系统,以及眼动信息采集子系统。其中,脑电采集子系统是本文的主要研究内容。(2)将问卷调查和统计的方法相结合,基于我校的民族特色,研究设计了具有普适意义又不失民族特色的情绪诱导图片刺激文件。其中,主要是喜悦与不喜悦情绪诱导刺激文件。(3)深入分析了短时傅里叶变换的基本原理,并将其应用于脑电信号的特征提取。在短时傅里叶变换应用于脑电信号的特征提取这一特定环境下,对于窗口函数的种类以及窗口的数据长度的选择进行了比较研究,通过实验,给出了汉明窗口和窗口应含盖刺激后的瞬时数据的选择答案。(4)对主成分分析算法和SVM分类算法,特别是对核函数的选择,进行了研究。通过主成分分析算法进行数据降维,最后采用有监督的学习方式利用SVM分类器进行情绪分类,建立了少数民族喜悦与不喜悦情绪识别系统。通过实验证明,该系统响应快,识别率高,具有较好的分类效果,系统是切实可行的。