Las emociones juegan un papel fundamental en la formación de la toma de decisiones humanas, el comportamiento y el bienestar fisiológico. La reconocimiento de emociones basado en electroencefalografía (EEG) ofrece vías prometedoras para la auto monitorización en tiempo real y aplicaciones informáticas afectivas. Sin embargo, las soluciones comerciales existentes suelen verse obstaculizadas por altos costos, procesos de implementación complicados y una fiabilidad limitada en entornos prácticos. Para abordar estos desafíos, proponemos un sistema EEG portátil de bajo costo y autoadaptativo para el reconocimiento de emociones a través de un enfoque de co-diseño hardware-algoritmo. El sistema propuesto es un dispositivo de adquisición EEG inalámbrico de cuatro canales que admite electrodos secos y húmedos, con un costo de componentes inferior a USD 35. Cuenta con más de 7 h de funcionamiento continuo, funcionalidad de plug-and-play y capacidad de expansión modular. A nivel algorítmico, presentamos un marco de extracción de características auto supervisado que combina el aprendizaje contrastivo y tareas de predicción enmascaradas, lo que permite un aprendizaje robusto de características emocionales a partir de un número limitado de canales EEG con calidad de señal limitada. Nuestro enfoque logra el mejor rendimiento del 60.2% de precisión y un puntaje Macro-F1 del 59.4% en nuestra plataforma propuesta. En comparación con enfoques convencionales basados en características, demuestra una mejora máxima de precisión de hasta el 20.4% utilizando un clasificador de perceptrón multicapa en nuestro experimento.