情绪被广泛认为是在一定的环境下，神经生理变化所带来的一种本能的心理状态。它在日常和社会实践中起着基本的作用，因为一个人的情绪可以影响他与他人的互动，因此，为了有效地避免潜在的抑郁，精神障碍和社会冲突，有效的情绪识别和调节过程是必需的。
情绪识别(ER)可以基于身体特征，包括面部表情、热面部图像、色调变化和运动学[1]。但如今，随着神经科学家开始揭示人类大脑的本质，大脑活动也逐渐与人类的各种情绪和认知能力联系在一起。大脑活动提供了更直接、可信和难以隐藏的信息，比面部表情和手势的表现更好。因此，利用脑机接口(brain-computer interfaces, BCI)检测脑活动，并通过脑电图(electroencephalography, EEG)表征和过滤脑信号，可以提高ER领域研究人员的准确性和及时反馈，并可能在负性情绪的调节中发挥作用。
利用脑机接口(BCI)和脑电信号(EEG)识别情绪的各种模型和方法越来越受欢迎，但它们显示出的结果和准确性差异很大。他们专注于特征的提取和将脑电图特征分类为最接近的情绪类型的方法。
为了清晰地识别情绪，对情绪进行分类是至关重要的第一步。自1884年情绪的概念提出以来，科学家们提出了各种分类模型来定义情绪。提出的两种主要类型的定量模型是离散模型和量纲模型。
离散模型阐明，从放松、快乐、惊讶到恐惧、愤怒、悲伤，只有6种基本的核心情绪，这些原始的、不同的情绪结合起来产生其他复杂的情绪。
在维度模型中，情绪由效价-唤醒二维空间上的点表示，分别代表情绪的消极或积极以及情绪的强度。效价-觉醒分类模型如图1所示。在某些情况下，第三维度，通常是支配性，也可能包含在某些维度模型中。
