Pour traiter les artefacts physiologiques fréquemment rencontrés dans la reconnaissance des émotions par EEG, cet article propose FDC-Net, un nouveau cadre intégrant les processus de débruitage et de reconnaissance des émotions. Contrairement aux approches indépendantes existantes de débruitage et de reconnaissance des émotions, FDC-Net relie étroitement les deux processus grâce à une stratégie d'optimisation conjointe utilisant la propagation bidirectionnelle du gradient et un mécanisme d'attention contrôlée. Plus précisément, il intègre un transformateur adaptatif en fréquence qui utilise un codage de position de bande de fréquence apprenable pour améliorer l'efficacité. Des expériences sont menées sur deux jeux de données d'émotions EEG représentatifs, DEAP et DREAMER, démontrant des performances améliorées en matière de débruitage et de reconnaissance des émotions par rapport aux méthodes de pointe existantes. FDC-Net a obtenu des coefficients de corrélation (CC) allant jusqu'à 96,30 % sur le jeu de données DEAP et jusqu'à 90,31 % sur le jeu de données DREAMER. La précision de la reconnaissance des émotions était de 82,3 % + 7,1 % sur DEAP et de 88,1 % + 0,8 % sur DREAMER.
