本发明提供了一种基于脑网络和多尺度排列熵的脑电信号情绪识别方法，对获取的脑电信号去除伪迹并进行降采样；对降采样的脑电信号利用小波包变换进行分解，根据分解结果，采用互信息与最小生成树构建脑网络，提取脑网络特征；对降采样的脑电信号采用快速变分模态分解与小波包变换进行模态和频带分解，利用遗传算法优化多尺度排列熵的参数选择，得到非线性多尺度排列熵特征；将提取出的脑网络特征与非线性多尺度排列熵特征进行特征的融合，得到融合后的特征向量；根据融合后的特征向量和随机森林分类模型，得到情绪状态识别结果；本发明结合脑网络特征与多尺度排列熵的融合，提高了脑电信号情绪识别的速度和精度。