5G技术将推动虚拟现实技术的发展。虚拟现实技术具备沉浸式、可交互性、多感知性等优点,可以带来更加真实、强烈的情绪感受。穿戴者的情绪反应对于虚拟现实在文化教育、娱乐等领域的交互应用极其重要。而基于脑电的情绪识别方法为穿戴者的情绪监测提供了可能性。设计和研究基于稀疏导联脑电监测的穿戴式虚拟现实情绪分类系统,对于推动虚拟现实技术在日常生活领域的应用具有重要意义。因此,本文就前额脑电干电极的设计与虚拟现实情绪分类系统的建立,展开深入研究。现有研究主要存在以下问题:(1)现有脑电干式电极接触阻抗高、采集精度较低、穿戴舒适度不足,不利于在虚拟现实设备中的集成使用;(2)目前基于标准虚拟现实情感素材诱发的脑电数据集较为缺乏,基于此类数据集合的情绪分类研究较少;(3)在脑电信号的情绪分类实验中,不同个体的脑电信号存在较大分布差异,现有方法对于训练集未出现的新个体情绪分类准确率较低,限制了虚拟现实情绪分类系统在日常生活中的实际应用。基于上述问题,本文主要开展了以下三项工作:(1)设计了一款多层次柔性织物脑电干式电极,开展系统性测试验证了电极的各项性能。该电极在前额区域的接触阻抗为8.97±1.97kΩ(@10Hz),与湿电极的平均相关度为95.9%±1.7%,长期稳定性及吸汗性能良好,能达到与湿电极相当的前额脑电采集效果,且能有效集成到虚拟现实设备中;(2)建立了基于织物脑电电极的虚拟现实情绪分类系统,开展标准虚拟现实情感诱发素材下的脑电数据采集实验,积累了18位受试者的有效数据,并基于所获取数据提取时域、频域和空间不对称性特征,使用梯度上升决策树方法达到了82.34%的平均分类准确率,并通过与公开数据集对比验证了本文所建立的数据集的有效性;(3)针对新个体的情绪识别问题,提出了基于卷积神经网络和领域自适应的新个体情绪分类框架,在全连接层上计算联合分布最大均值差异,网络在学习过程中减小不同领域的分布差异。该方法在18位受试者上的平均分类准确率为69.1%,相比传统机器学习方法提升了近10%,在DEAP数据集上准确率为70.3%,高于对比方法。综上所述,本文设计了新型多层次织物脑电电极,形成了新的虚拟现实情绪分类系统,建立了标准虚拟现实情感诱发素材下的稀疏导联脑电数据集,同时为解决个体差异提供了新的思路,有利于该系统在日常生活中的应用。