目的:情绪一种是综合了感觉、感知、思维和行为的心理活动过程,对个体的生存发展至关重要。众多精神障碍和身心疾病与适应不良的情绪反应,以及缺乏有效的情绪调节方法有关。因此,了解情绪的机制,对情绪进行有效的调控具有深远的意义。随着人工智能和人机交互技术的发展,情感计算研究应运而生。情感识别,即根据情绪反应引起的生理信号变化来推测个体的情绪状态,是情感计算中的基础环节。情感识别在精神心理领域具有广阔的应用空间,如监测抑郁障碍患者的情感症状并指导其有效调节情绪,协助孤独症谱系障碍患者理解他人的情绪等等。情感识别也是实现实时情绪调控的基础。本研究旨在建立一个包含正性和负性情绪的情感数据样本库,初步探究不同情绪下脑电特征的区别,基于带有情绪标记的脑电信号和其他生理电信号,综合机器学习技术方法,实现对情绪的分类。方法:招募49名健康受试者(男性24人;平均年龄为23.00±2.30岁),采用中国情绪影像材料库中的8个视频诱发受试者中性、快乐、悲伤和恐惧四种情绪,同时采集基线(休息时)和情绪状态(观看视频时)下的脑电、皮肤电、心电和表情肌肌电信号。此外,在每个视频结束后,立即请受试者对快乐、悲伤、恐惧情绪的强度,情绪的愉悦度、唤起度、控制度,以及对视频的喜爱和熟悉程度进行评价。对采集的信号进行预处理,以减小个体差异的影响,降低噪声干扰。提取信号特征。分析不同情绪下脑电中线功率谱的差异。从提取的四种生理电信号特征中选择主要成分,使用神经网络进行情绪识别。结果:1.用于诱发快乐、悲伤、恐惧情绪的视频的击中率均达到了90%以上,目标情绪强度平均评分均大于5分(中等强度)。2.观看快乐视频与观看悲伤视频时相比,在额叶中线处的theta频带、alpha频带、beta频带的功率均较低;观看快乐视频与观看恐惧视频时相比,可诱发功率更强的中线theta频带、alpha频带、beta频带信号;观看悲伤视频与观看恐惧视频时相比,所诱发的中线alpha频带和beta频带的平均功率显著更强。3.基于脑电功率谱特征的三分类情绪识别准确率可达到62.48%,基于脑电、心电、皮肤电和表情肌肌电信号融合结果的三分类情绪识别准确率为66.67%。4.男性和女性对悲伤视频和恐惧视频引起的目标情绪强度评分的差异不具有统计学意义;男性三种目标情绪的击中率均低于女性;基于脑电信号特征,分别对男性和女性受试者进行三分类情绪识别,男性受试者的识别准确率为53.22%,女性受试者则为68.54%。结论:1.本研究较为有效而准确地诱发了目标情绪,同时记录了脑电、心电、皮肤电和表情肌肌电信号,建立了包含负面和正面情绪生理信号的数据库。2.脑电中线theta、alpha和beta频带的功率特征可用于区别快乐和悲伤情绪,快乐和恐惧情绪。脑电中线alpha和beta频带的功率特征可用于区别悲伤和恐惧情绪。脑电中线功率谱特征可能是情感识别中潜在的有效特征。3.基于本数据库中四种生理电信号的情绪三分类准确率可达66.67%。4.与男性相比,女性的情绪可能更容易被诱发,并产生较为明显的情绪生理反应。