El reconocimiento de emociones entre sujetos utilizando EEG sigue siendo un desafío debido a la considerable variabilidad interindividual. Para abordar esto, proponemos una Red de Agregación Espacial-Canal Gated de Convolución Espacio-Temporal Multi-escala (MCF-SCA). El modelo aprovecha la convolución espacio-temporal multi-escala para capturar características temporales y espaciales ricas y aplica la Transformada Rápida de Fourier para transformar las señales EEG en el dominio de la frecuencia, mejorando las representaciones relacionadas con las emociones. Luego se introduce un módulo de agregación de canal espacial de orden múltiple, que integra adaptativamente características a través de dimensiones espaciales y de canal mediante un mecanismo de compuerta, lo que permite un ponderado dinámico de características y representaciones emocionales más expresivas. Los experimentos en el conjunto de datos DEAP muestran aumentos de precisión de hasta el 11-30% para la excitación y del 12-31% para la valencia en comparación con TSception, CNN, LSTM, EEGNet y MLP. En el conjunto de datos DREAMER, las mejoras alcanzan el 5-33% y el 3.7-34%, respectivamente. Estos resultados confirman que MCF-SCA logra una precisión superior y una adaptabilidad entre sujetos, proporcionando un fuerte apoyo para aplicaciones de interfaz cerebro-computadora basadas en emociones.