情绪是人们对日常生活的一种心理感受,它通常与逻辑决策、感知、学习、理性思考等密切相关。目前,基于计算机系统的情感识别是先进人机交互系统的关键部分。情绪识别具有重大的研究意义,一直是现代神经科学、心理学、神经工程和计算机科学等领域的研究热点。因此,本文设计了音乐诱发情绪实验,结合脑电图（Electroencephalogram,EEG）和行为数据解码受试者的神经信息并进行相应的经颅直流电刺激（Transcranial Direct Current Stimulation,tDCS）调控。具体的研究内容有以下四个方面:第一,音乐诱发情绪相关脑区探索。本章设计了音乐诱发情绪的脑电实验,利用斯皮尔曼相关的方法对微分熵和效价进行了相关分析。结果表明,正性情绪的微分熵和效价在大脑的两侧呈现出正相关性,负性情绪的微分熵和效价在大脑的右前额叶呈现出负相关性,这一结果为后续中情绪调控实验提供了刺激靶点。第二,基于深度学习的脑电情绪识别。为了探索人工神经网络对情绪的解码效果,本章提出了一个端到端的分支神经网络,该网络在实验室数据集的三分类中准确率为95.78%±1.70%,在DEAP数据集的四分类中准确率为80.97%±7.99%。使用显著图进行可视化分析发现积极情绪主要分布在左半球,消极情绪主要分布在右半球,主要分布在额叶、顶叶和枕叶。第三,基于相位特征的脑电情绪识别。由于前一章中提出的端到端的分支神经网络提取的脑电特征分布区域只局限于特定的脑区,不足以表现不同情绪脑区之间的相互关联。因此,为了进一步研究不同情绪脑区之间的相互联系,本章提出了一种基于Morlet小波变换的平均子频率锁相值的新特征,即平均子频率锁相值,以此来构建脑功能网络的边,用于脑电音乐情绪的解码以及揭示情绪脑区之间的相互联系。分类结果表明,平均子频率锁相值在情感识别准确率和泛化性能上均优于基于微分熵和基于EEG的网络模式的特征。可视化结果表明,高频段的大脑网络存在长距离连接,这与复杂的认知活动有关。其中前部脑区（如额叶区）和后部脑区（如枕叶区）之间的长距离连接可能反映了在处理情绪刺激时自下而上和自上而下模式之间的相互作用。第四,基于tDCS的负性情绪调控研究。基于上述研究中所获得的情绪相关脑区设计了tDCS情绪调控实验,利用前文提出的平均子频率锁相值特征构建了高频下负性情绪真假刺激前后的差异统计脑网络,并对负性情绪真刺激前后效价差值与差异统计脑网络中具有统计显著性边的平均子频率锁相值差值进行了斯皮尔曼相关分析。行为分析结果发现,tDCS能够降低参与者对负性情绪的感知程度。差异统计脑网络的分析结果发现,对受负性情绪影响的受试者进行tDCS电刺激后,整体的脑电活动逐渐趋向于正性情绪影响下的模式。相关分析的结果发现,被试处于负性情绪时通过tDCS电刺激会减弱其右部负性情绪相关的脑区活动,从而改善负性情绪的负面影响。