人体包含与情绪相关的生理和身体反应。情绪在在我们的日常活动中扮演着非常重要的角色,不仅在与人类同胞互动,而且存在于决策过程中。情绪也影响我们观察世界以及发生的一切。多模式信号的情感识别允许直接评估对象的“最内”状态,这被认为是人机交互(HCI)的重要组成部分。本文在生理信号数据库(DEAP数据集)进行情感分析,通过结合基于环形模型的所有生理信号进行实验,也称为唤醒评定量表。这些信号包括脑电图、垂直眼电、肌电图,呼吸带,皮肤电流反应,体积描记器和温度。然后,我们研究收集的信号,并选择从我们模型中学习的显著特征。我们将情绪定义为三个不相似的类别:两和三个类别使用1-9个不同的自我评估表,另一个模型使用三个不相似的情感编码关键词在直观感知2D模型中划分三个区域。为了使我们获取更稳健,更准确的结果,与其他方法进行相比,我们将DEAP数据库分为训练,测试和验证数据集。DEAP采样率降至128Hz,我们尽可能去除所有伪影和噪音来获得平稳的信号。我们还应用了快速傅里叶变换,一种信号处理技术将信号从原始域转换为频域中的表示。我们最终使用宽度学习系统完成了分类任务,一个强大的神经网络和学习算法作为分类器。在应用宽度学习系统进行训练,验证和测试我们的模型时,我们分别获得了效价和唤醒分别为75.68和71.43,实验证明我们的工作比其他人具有更加有效的结果。