1.一种受自适应认知图启发的多域约束情绪识别系统，其特征在于，包括：微分熵提取模块、动态图约束学习模块、序列注意模块以及多域交互关注模块；

微分熵提取模块用于提取EEG信号的微分熵特征；

所述动态图约束学习模块包括：脑拓扑结构构建单元、驱动结构生成单元、校准单元、第一特征提取单元；所述脑拓扑结构构建单元基于微分熵特征与可学习参数自适应生成脑拓扑结构，设置筛选参数b，对自适应生成的脑拓扑结构进行筛选，从而得到筛选过后的脑拓扑结构fadj；驱动结构生成单元用于生成与脑拓扑结构fadj同尺寸的随机驱动结构sadj；校准单元对随机驱动结构sadj与脑拓扑结构fadj进行校准，校准表达式为：其中，f′adj为校准后得到的基于注意力的脑拓扑矩阵，s′adj为校准后得到的基于注意力的驱动结构矩阵；

第一特征提取单元根据校准后的脑拓扑结构与驱动结构，提取得到EEG信号的空间域特征；

还包括：基于下式对脑拓扑结构进行优化：

T

LC＝||XS·XS‑f′adj·Aadj+(1‑Aadj)·sadj||其中，LC为约束，XS为所有节点的特征的图级表示，T表示转置，Aadj为自适应生成的脑拓扑结构，asdj为驱动结构，‖·‖表示Frobenius范数；

序列注意模块包括位置编码单元以及第二特征提取单元；位置编码单元用于为微分熵特征添加位置信息，第二特征提取单元根据添加位置信息后的微分熵提取EEG信号的时间域特征；

多域交互关注模块基于EEG信号的空间域特征与EEG信号的时间域特征，得到情绪识别结果。

2.根据权利要求1所述的一种受自适应认知图启发的多域约束情绪识别系统，其特征在于，第一特征提取单元采用图神经网络实现。

3.根据权利要求2所述的一种受自适应认知图启发的多域约束情绪识别系统，其特征在于，第二特征提取单元包括自注意力机制与前馈神经网络；自注意力机制用于捕捉输入序列之间的依赖关系，前馈神经网络对自注意力机制得到的依赖关系进行非线性变换；最后基于自注意力机制得到的依赖关系与前馈神经网络的非线性变换结果，得到EEG信号的时间域特征。

4.根据权利要求3所述的一种受自适应认知图启发的多域约束情绪识别系统，其特征在于，多域交互关注模块通过交叉注意力机制融合EEG信号的空间域特征与EEG信号的时间域特征，得到融合特征。

5.一种受自适应认知图启发的多域约束情绪识别方法，其特征在于，包括：S1、提取EEG信号的微分熵特征，并根据提取的微分熵特征与可学习参数自适应生成脑拓扑结构；

设置筛选参数b，对自适应生成的脑拓扑结构进行筛选，从而得到筛选过后的脑拓扑结构fadj；

S2、随机生成一个与步骤S1所构建的脑拓扑结构fadj等尺寸的驱动结构sadj；

分别对fadj、sadj进行校准；校准表达式为：

其中，f′adj为校准后得到的基于注意力的脑拓扑矩阵，s′adj为校准后得到的基于注意力的驱动结构矩阵；

还包括：基于下式对脑拓扑结构进行优化：

T

LC＝||XS·XS‑f′adj·Aadj+(1‑Aadj)·sadj||其中，LC为约束，XS为所有节点的特征的图级表示，T表示转置，Aadj为自适应生成的脑拓扑结构，sadj为驱动结构，‖·‖表示Frobenius范数；

S3、基于f′adj与s′adj，得到EEG信号的空间域特征；

S4、使用位置编码为提取的微分熵特征添加位置信息；

S5、将步骤S4得到的结果经自注意力机制和前馈网络后，得到EEG信号的时间域特征；

S6、通过基于图关注交叉注意力的多域交互关注模块融合EEG信号的时间域特征和空间域特征；具体为：首先通过交叉注意力机制融合EEG信号的时间域和空间域特征，实现跨域信息的整合，强化关键特征的表达；其次，获得融合特征后，模型生成用于图注意力网络的跨域邻接矩阵，该邻接矩阵包含时间域和空间域之间的关联信息，并能够捕捉不同脑区之间的复杂相互作用；接下来，将多头引入图注意力中，即计算每个注意力头的输出，然后将这些输出拼接起来；

S7、基于步骤S6获得的融合结果，得到情绪识别结果。

6.根据权利要求5所述的一种受自适应认知图启发的多域约束情绪识别方法，其特征在于，步骤S1通过引入可学习参数自适应生成脑拓扑结构；自适应生成的脑拓扑结构表示为：Q K

其中WA是自注意力中查询的可学习参数，WA是自注意力中键的可学习参数， 是用于缩放防止数值过大的缩放因子；X表示EEG信号。