脑波也被称为脑电信号,是大脑活动时产生的生理信号,在临床中得到广泛应用。但脑电信号过于复杂,让未经培训的人难以理解。脑波音乐是提升脑电信号展现性的一种尝试,将脑电信号映射为音乐,通过音乐来展现脑电信号承载的生理和心理状态信息。情绪是脑电信号分析的重要对象,也是音乐创作的重要内容。本文从保留脑电信号携带的情绪信息的角度出发,研究如何基于脑电信号生成具有情绪的音乐和如何评估该音乐的情绪。本文主要的研究工作如下:（1）针对脑波音乐音乐性较差的问题,本文提出了基于脑波的情绪音乐生成算法。该算法将脑电信号和音乐映射至同一情绪空间,利用情绪作为“桥梁”关联脑电信号和音乐,然后利用基于深度学习的音乐生成网络来生成具有情绪的音乐。针对现有音乐编码方法对于情绪相关信息利用不全面的缺陷,本文提出了CPKT编码方法,在CP编码方法的基础上增加对于调性和拍号的表达,增强对情绪相关信息的编码。针对具有情绪标签的数据集较少的问题,本文建立了具有情绪标签的古典钢琴曲数据集ECLP。开展的量化指标实验和问卷调研结果表明,本文提出的算法在音乐性和对脑电信号承载的情绪信息的表达准确性等方面优于现有模型。（2）针对现有符号音乐情绪分类模型对音乐结构信息利用不足的缺陷,提出了基于辅助任务的AT-SMNN算法框架。AT-SMNN算法框架利用调性和力度辅助任务帮助情绪分类主任务提取与情绪更相关的表征。本文利用AT-SMNN框架改进了现有的模型。实验结果表明,基于AT-SMNN框架的模型在多个数据集上取得了最优结果。本文将提出的符号音乐情绪分类模型应用于评估提出的基于脑波的情绪音乐生成模型的性能,实验表明模型评估结果与人工评估的结论总体保持一致,验证了提出模型的有效性。（3）本文开发了一个基于脑波的情绪音乐生成系统。将本文提出的基于脑波的情绪音乐生成算法和符号音乐情绪评估算法应用于该系统,实现了读取脑电信号并生成具有情绪的音乐等功能。系统的操作简单,界面简约,达到了通过聆听音乐区分用户不同情绪状态的目的。