台湾大学 Lin 等人以音乐为刺激材料，通过 32 个引导电极帽采集情感实验 对象的脑电信号，再利用短时间傅立叶变换，将脑信号映射到五个常用波段， 并分别计算为每个波段对应的功率谱密度，之后他们用对称关系组合电极间的 4 组特征，分别是对称电极间的差，对称电极间的商，除去中间电极后的电极 功率谱密度，所有电极各自的功率谱密度，并通过这四组特征来进行后续的情 感识别[7]。

（4） 其它脑电特征 除了上述的三种常见特征外，还可以从脑电中提取出许多其他特征，如

熵、分形维数以及学者自定义的特征等。

归一化的脑电时间序列信号总是在 0 个值的较低的振动下，即时使用过滤 器来过滤后的信号，这种现象仍然存在，在这个理论的基础上 Petrantonakis 和 Hadjileontiadis 提出了一种新的情感识别脑电特征叫高次交叉并利用这种特征 得到了较好的情感识别结果[8]。新加坡南洋理工大学的 Khosrowabadi 等人在 将原始脑电信号滤波到 4-13HZ 后，分别采用核密度估计和高斯混合模型的方 法提取出了对应脑区的脑电特征[9]。Aftanas 等人曾在研究中用非线性的 K 熵 和主要李氏指数等作为脑电特征[10]