脑电信号包含了运动、语言和思维意识等丰富的大脑信息,反映着人的情绪、警觉度等生命体征状态。随着脑电技术和软件技术的进步,脑电软件处理平台发展迅猛。目前市面上的脑电软件处理平台对脑电信号的提取和分析都较为准确,满足了科研人员的使用要求,但是在脑电信号实时显示处理方面进程缓慢。为了进一步提高脑电处理系统的实用价值,改进其实时性就显得尤为重要。本论文设计了一个基于Think Gear ASIC芯片的脑电信号实时3D显示软件平台并配合高效的算法来实现对用户情绪的识别。本系统由采集系统和显示平台两大部分组成。其中,显示平台使用Qt中的Q3DSurface类渲染了3D脑电信号曲面图,该类使开发人员能够渲染多种绘制模式和阴影的3D曲面图并可以通过自由旋转场景来查看它们,将原始脑电数据转化为简单易懂的图文数据。本文主要工作如下:(1)基于Qt软件设计了脑电信号的显示平台。通过快速傅里叶变换测定原始脑波,以三维的形态体现出功率谱,使用户可以根据频率看出脑波的特性,对于各支点,可以看出频率和强弱值,可读性高,可以轻易地把握脑波的特性。(2)在脑电信号的显示平台配合高效的算法来实现对用户情绪的识别。本文将算法划分为三个步骤:第一步是去噪处理,利用滤波器处理和采用双树复小波包算法对脑电信号进行分解和重构的方法,从时域和频域消除噪声信号;第二步是特征提取,求重构信号的样本熵并构造特征样本作为支持向量机分类模型的输入;第三步是训练分类器,建立支持向量机分类器对特征样本进行分类。(3)优化了支持向量机分类器。针对支持向量机的参数选取没有固定方法而导致情绪分类的准确性降低的问题,结合变网格搜索法和量子粒子群的混合算法(Variable Grid SearchQuantum Particle Swarm Optimization,简称VGS-QPSO)对支持向量机的参数进行寻优,大幅度提高了支持向量机参数寻优的效率和精度。