人类的心理活动是高级功能的表现,包括认知,心理状态和意志行为。心理状态评估是根据参与者的心理变化或其他反应来分析他们当时的心理状态。随着脑科学,信号处理技术和科学计算方法的发展,心理测试技术已发展成为包括生理学,心理学,电子学和计算机技术在内的综合性学科。目前该技术已被广泛应用于精神疾病的心理测试,健康监测,诊断和治疗。本文使用包含不同特征的音乐视频作为刺激材料,诱发被试人员的不同心理状态并采集其脑电信号(EEG),通过提取EEG的不同特征并使用不同的分类识别算法,对脑电信号与人所处的不同心理状态的关系进行了研究,并建立了一套心理状态判断模型。首先,利用32通道脑电采集设备采集人脑信号,通过带通滤波器对采集到的信号进行滤波等预处理过程。其次,分别介绍了功率谱密度和小波能量熵,并用这两种算法对脑电信号进行特征提取。然后,对特征提取过的信号进行分类判断采用了三种方法:ELM极限学习机、CNN卷积神经网络和ANN人工神经网络;最后,创建心理状态判断模型并进行验证。通过设计的实验,证明了在特征提取阶段,两种提取算法的识别率偏低,我们将这两种算法结合成一个新的特征向量来进行特征提取,发现识别率大大提高。对比三种分类识别算法,发现在大多数情况下,ELM算法分类效果普通高于其他两种,在以两种特征提取算法结合的情况下识别率达到78.23%。研究测试结果后我们可以发现,该心理状态判断模型分类识别率较高,有助于在心理方面的研究。