情感在人类的感知、决策等过程中扮演着重要角色。长期以来情感智能的研究只存在于心理学和认知科学领域，近年来，随着人工智能的发展，情感智能与计算机技术结合产生了情感计算这一崭新的研究方向，大大地促进了计算机技术和认知科学的发展。情感的计算机自动识别是通向情感计算的第一步。在面部表情、声音、姿态和生理信号情感识别中，生理信号作为人类最真实的情感体现，携带着丰富的情感信息。如何使用计算机技术从生理信号中自动识别情感状态，是近年来受到研究者广泛关注的课题。现有的基于生理信号特征的情感识别研究，还存在较多局限性，如不能像面部表情等找到一种可以广泛使用的特征，且识别效果不佳，鲁棒性较差等。因此在生理信号的情感识别研究中，还有较多的问题亟需加以研究，尤其是情感特征的选择问题更是情感计算研究中的一个重要问题。 禁忌搜索算法(Tabu Search，TS)是一种亚启发式搜索算法。TS通过引入一个灵活的存储结构和相应的禁忌准则来避免迂回搜索，并通过藐视准则来赦免一些被禁忌的优良状态，进而保证多样化的有效探索以最终实现全局优化。近年来的研究表明，禁忌搜索算法具有与遗传算法、模拟退火算法相当的性能，甚至更优越。作为一种性能良好的优化方法，禁忌搜索算法已经成功应用于组合优化、生产调度、特征选择等领域。然而，目前将禁忌搜索算法用于情感识别的研究却未见报道。 论文针对传统的生理信号特征选择的局限性，采用禁忌搜索算法作为情感的特征选择方法，以日常生活中最常见的四种情感状态：高兴、愤怒、悲伤和喜悦状态为例，对基于生理信号的情感识别进行了研究，主要工作内容如下： (1)针对生理信号自身的特点，对心电(Electrocardiogram，ECG)、皮肤电(Skin Conductance，SC)、肌电(Electromyography，EMG)和呼吸作用(Respiration Rate，RSP)四种生理信号进行差分、滤波、频域变换等操作，提取出193种统计特征。 (2)将禁忌搜索算法和近邻法结合，以近邻法分类的正确率作为禁忌搜索算法的评价准则函数，对高兴(Joy)、愤怒(Anger)、悲伤(Sadness)和喜悦(Pleasure)四种情感进行识别，即生理信号特征选择和情感分类是相互交叉进行运算的。将单一生理信号和四种生理信号的情感总体识别率对比，可以看出生理信号越多，情感的识别效果越好。单一生理信号情感的正确识别率均达到50％以上，四种生理信号的总体情感识别率达到80％以上。在单一情感识别的实验中，愤怒是最易被识别的情感，识别正确率通常可以达到100％。 (3)用禁忌搜索算法对情感生理信号特征进行选择，经过多次实验，得到情感分类效果最好的生理信号特征组合。如呼吸是对论文要分类的四种情感最有价值的信号，得到最好识别率时其最有效的特征是呼吸信号采样频率的中值。 通过论文的研究可以看出，将禁忌搜索算法与近邻法相结合用于生理信号情感识别，不但有较高的情感识别率，而且可以得到识别每类情感最稳健的特征子集。