产生于中枢神经系统的脑电信号包含丰富的情感生理信息，非常适于情感识别方面的研究。近年来，伴随着信号处理和机器学习技术的快速发展，基于脑电信号的情感识别正在成为模式识别领域的研究热点。局域判别基(Local Discriminant Bases，LDB)算法以小波包分解为基础，特别适用于处理脑电信号等非平稳随机信号。　　本文首先通过引入新的欧氏距离及阈值对LDB算法进行改进，提出了ILDB（Improved Local Discriminant Bases）算法;在不降低脑电信号分类正确率的前提下，结合判别度量函数，提取DEAP情感脑电数据库中脑电信号的小波包基节点的能量及均值组成特征向量。然后融合多通道脑电信号特征，使用禁忌搜索算法对多通道脑电特征进行选择，针对禁忌搜索算法的结果过分依赖初始解的缺点，在领域构造、初始解选择和禁忌长度三方面改进并提出基于遗传算法的禁忌搜索算法。最后使用SVM分类器对愉悦、厌恶、悲伤、平静、喜欢五类情感类别进行分类，在此过程中提出了基于粒子群算法的网格搜索算法，并将其用于SVM分类器模型参数的选择，分类结果表明ILDB算法提取的特征具有最高分类正确率;融合多通道脑电特征能够提高SVM对情感类别的分类正确率。