音乐诱发情绪是一个非常复杂的过程,难以用定量直观的方式去分析。脑电（EEG）信号是一种客观的生理信号,能实时地反映出人脑神经元的活动,是研究探索神经科学领域的重要对象。研究音乐与脑电之间的关联可以揭示出音乐诱发情绪的内在机制,提高情绪预测的效果。本文以音乐诱发的脑电为研究对象,研究脑电信号、音乐与情绪的关联。在脑电信号预处理方面,提出一种基于基线平均的脑电信号预处理方法,用于提高情绪预测准确率。将基线信号作为基本的情感表征状态,然后计算其与真实情感信号的差值,并用该差值来表示情感状态。与传统的预处理方法相比,准确率提高了6%左右;脑电特征提取方面,提出了一种决策级特征融合方法,以SVM为基分类器,分别提取时域、频域和非线性特征,训练基分类器,通过决策融合的方式集成多个基本分类器的输出。结果表明,所提出的基于决策融合的分类器性能优于各个基本分类器,准确率最高达到92%。提出了一种基于音乐与EEG的特征融合方法,预测受试者聆听音乐后的情绪。在EEG和音乐特征的融合中,由于特征集冗余会产生过拟合现象,采用D-S证据理论（Dempster-Shafer evidence theory）,从决策层融合的角度进行了基于脑电与音乐特征的情绪识别分类研究。在EEG的通道选择上,分析了受试者相关与受试者无关的两种通道选择策略,同时研究了特征提取滑动窗口的大小对结果的影响。结果表明,权重因子为0.45的融合模态取得了最佳分类准确率,达到85.92%。音乐特征与脑电特征融合对情绪识别有一定的促进作用,大多数模态在2s的滑动窗口都取得了更好的性能。