情绪是一种生理心理过程,在人们的生活中起着重要作用。情绪的体验与生理系统的反应是密不可分的,生理反应构成了情绪主观体验的基础。情绪的感知又会影响生理系统的状态,从而使机体更好地适应新的环境和挑战。然而,过去关于情绪的研究几乎只集中于情绪如何改变机体单个生理系统的活动。最近的研究表明,人类的生理系统是一个不断相互作用,并形成动态网络的一个复杂整体。因此,本文围绕基于情绪的生理网络展开一系列的研究,其主要的研究内容包括以下三个方面:1)本文通过传递熵来估计不同生理系统之间的信息交互。传递熵从信息论的角度量化了一个系统是如何影响另一个系统,并且已被证明能够准确评估所有类型的生理系统之间的相互作用。然后利用脑电信号、皮肤电反应、光电脉搏信号、肌电信号、呼吸信号、体温这六种与情绪高度相关的生理信号构建了跨越四十种情绪下的生理网络。不同于传统的只基于脑电信号的脑网络模型和单模态生理信号特征,它们只关注单个系统内部的生理交互和变化,而生理网络考虑了这些生理系统之间的动态交互,从更宏观的角度探讨了不同情绪下的生理反应。2)本文建立不同情绪下的五种生理网络,实现了基于不同频段脑电波及生理信号的生理交互网络。我们发现在不同的情绪下,生理网络的拓扑结构有明显差异。通过计算这些生理网络的全局拓扑结构参数,我们发现基于全频段脑电信号的生理网络与情绪效价（Valence）有显著相关性,基于脑电theta波的生理网络与情绪的唤醒度（Arousal）有显著相关性。我们还发现心脏系统和呼吸系统在生理网络的重要地位,发现在生理网络中不同的生理系统对情绪的效价,唤醒度的敏感度是不同的。最后,通过将外周生理系统作为一个整体,我们还提出了中枢-外周生理网络。我们证明了外周神经系统在生理网络中的重要地位,也发现中枢神经系统对外周神经系统的影响显著高于外周对中枢的影响,并且中枢和外周的交互在正性负性情绪下显著不同。3)我们还将生理网络应用到情绪识别领域。我们提取了生理网络的拓扑特征,以及传统单通道生理信号的特征作为对比,通过7种机器学习模型对两类特征进行了定量的情感计算。我们发现在其中四种模型,生理网络拓扑特征取得明显更优的效果,在剩下三种模型中也能够在数量明显少于传统特征的情况下表现出差不多的性能。这说明生理网络的方法在情感计算方向的应用具有巨大的潜力和可行性。在本文中,我们提出了一种称为生理网络的全系统集成的方法,以研究情绪的生理反应。这不仅有助于加深对情绪机制的理解,而且具有疾病研究和工程应用的潜力。