不同的情绪往往表达不同的含义,因此进行情绪识别十分重要。与表情或语音等外部信号相比,生理信号具有无法伪装的特点,并且脑电信号（EEG）的获取比其他生理信号相对容易,因此国内外众多研究人员开展了基于脑电信号的情绪识别研究。一部分研究对脑电信号直接进行特征提取,另一部分研究采用电极点2D映射表示脑电信号,然后进行特征提取和情绪识别。本文基于电极点位置的2D映射方法,采用深度学习模型对脑电信号进行识别,在SEED数据集上取得了目前最好的识别精度。具体的研究内容包括:（1）提出了一种完全对应电极点位置的2D映射方法,与之前的2D映射方法相比,更加有效地保留了脑电信号的数据信息和空间信息。（2）基于DBN的脑电信号情绪识别方法。首先采用DBN模型验证本文提出的完全对应电极点位置的2D映射方法更加有效。然后采用DBN模型验证,先对脑电信号进行手动提取微分熵特征再进行二维映射与对脑电信号直接进行二维映射对比哪种情绪识别效果更好。实验结果表明,直接提取特征的效果更好。（3）提出一种基于注意力机制的卷积递归神经网络（ATT-CRNN）脑电信号情绪识别方法。首先对脑电信号的每一帧数据直接进行2D映射,然后采用提出的ATT-CRNN模型进行情绪识别。在与个人有关和与个人无关的实验上均取得了很好的识别效果。（4）探究了不同情绪对性别的敏感度。在不同情绪下对性别进行分类,分别统计不同情绪下正确识别的男女数量比例,从而得出哪些情绪对男性更敏感,哪些情绪对女性更敏感。针对以上情绪识别方法,本文进行了对比实验和消融实验。在SEED数据集上的实验结果表明,本文提出的完全对应电极点位置的2D映射方法在ATT-CRNN模型上取得了目前最好的识别效果。另外本文还探究了在全部情绪、积极情绪和中性情绪下女性比男性更敏感;在消极情绪下男性比女性更敏感。