基于单次脑皮层电位信号来感知个体的情绪状态近年来一直是一个热门的研究课题。其研究内容涉及模式识别技术，生物电信号处理技术，心理学等多个领域，是一门典型的交叉学科。虽然许多科学家对于该领域的众多问题进行了不懈的探讨，但是总体来说整个领域的发展还处于初级阶段，本文旨在对于其中的一些问题进行探讨。　　首先，本文针对情绪脑皮层电位触发困难的现状，利用镜像神经元系统获得了包含情绪成分的脑皮层电位信号并利用ICA算法消除了由于被试眼动或者是肌肉活动造成的伪迹，最大限度上的减少了伪迹和其他成分对于情绪识别的影响。其次，针对脑皮层电位信号通道数目较多不利于实时处理的缺点，提出了基于稀疏表示的通道选择算法将原有的空间滤波器进行稀疏化处理，并利用稀疏的投影对于原始的高维通道进行选择。针对脑皮层电位信号样本较难获得，参数难以确定的问题提出了一种基于Adaboosting的参数选择算法，改进了原有算法的一些缺陷，并在BCI竞赛数据库中取得了很好的效果。　　最终，本文将类似的研究方法应用到单次脑皮层电位情绪识别研究中，首先，本文对于现有的工作进行了系统性的总结，对于研究领域中的情绪模型，最优频率段，特征和分类器四个关键因素进行了深入的探讨。针对常见特征无法反应原始信号动态变化的缺点，提出了一种基于自适应自回归模型的新的动态特征。在两种不同的情绪模型的数据库中，验证了新的特征的有效性，并结合常用的线性与非线性分类器测试识别效果。此外，本文还利用稀疏表示的方式对于Ekman六种情绪数据库产生的情绪脑皮层电位信号，进行了通道选择，结果表明，基于稀疏表示的通道选择算法可以在大幅度减少通道的同时保持较高的识别效果并且选择出的通道具有很强的可解释性。