情感在人们的日常生活中扮演着重要的角色。自从“情感计算”这一概念出现以来,相关领域的研究者们一直致力于将情感这一因素融合进人机交互技术当中。而对于情感的准确识别是实现这一目标的基础且重要的环节。脑电是一种常用的记录大脑活动的信号,具有客观、无创、成本较低、时间分辨率高等优点,适合用于情感识别的研究。本文提出了一种基于卷积神经网络的脑电情感识别方法,该方法将脑电信号转换为多个特征映射,提取了信号的频域特征,并在一定程度上保留了电极之间的相对位置和距离信息,然后构建了一个卷积神经网络模型对这些特征映射进行分类。方法的有效性是在DEAP数据集上验证的。实验结果表明,该方法在效价维和激活维上的识别准确率分别为81.64%和80.25%。而当今社会,生活节奏快,生活压力大,人们不仅要关注自己的情感状态,更要时刻关注自己的精神健康。如今,抑郁症已经成为了世界健康问题的重大负担。本文提出了一种基于卷积神经网络与特征融合的脑电抑郁症诊断方法,该方法使用卷积神经网络提取脑电信号的频域与空间特征,并进行特征融合,随后完成分类。方法的有效性是在MODMA数据集上验证的。实验结果表明,该方法对抑郁症的识别准确率为92.22%。并且,该模型的参数较少、运算量较低,可与可穿戴设备相结合,让人们在日常生活中及时准确地了解到自己的精神健康状况。