人民健康问题是一个关系国计民生的重要问题,目前市面上出现了许多有特色的生理信号采集设备用于人体健康方面的研究。但这些设备很难兼顾同步实时采集、便携性、低功耗等特点,不适合日常的推广。针对此问题,本文设计了一款基于脑电、心电、呼吸、肌电、血氧饱和度和体温的多模态生理信号采集系统,并将其用于人体心理压力状态的评估。具体工作内容及研究成果如下:（1）为了同步采集多模态生理信号,本文以常规的运算放大器和模数转换器为基础,搭建以分离元器件为主要组件的模拟前端电路和数据传输电路,完成了生理信号的放大、滤波、模数转换和数据传输等硬件电路的设计,实现了便携式、低功耗的多通道同步采集系统。（2）针对生理信号易受外界干扰的问题,在自行设计的多模态生理信号采集系统内应用小波去噪、自适应滤波、滑动均值滤波和快速中值滤波算法,以达到自动化去除生理信号中的基线漂移、工频干扰、生理伪迹和运动伪迹等噪声的目的。为证明本系统采集生理信号的有效性,应用本系统与美国BIOPAC公司的MP150系统采集静息态数据,对比发现本系统与MP150系统采集的信号在波形幅值、相位和频谱等特征上基本相似,验证本系统采集生理信号的有效性。（3）针对蓝牙、串口等设备有限的传输速率,本文设计了USB Type C和网口电路,实现了数据的高速、实时传输,并将传输的数据在PC端应用程序实时显示、存储与分析。（4）为进一步实现多模态生理信号采集系统在实际中的应用,本文使用该系统研究了人体心理压力与生理信号的关联性。将本系统采集的人体生理信号,通过时域、频域等线性分析方法,以及复杂度、功率谱等非线性分析方法提取特征,采用多分类支持向量机算法对采集的单模态数据进行分类,并使用DS（Dempster-Shafer）证据理论算法进行决策层的融合,综合进行心理压力状态的识别。结果显示,休息状态的分类准确率达到了93.75%,轻微压力状态的分类准确率达到了87.5%,高压力状态的分类准确率达到了90.62%。