随着计算机的发展,人们希望赋予计算机情感能力,使计算机能与人进行有感情的互动。让计算机可以准确识别人的情绪是实现这一愿景的关键技术。以往的研究多利用人的面部表情、语音语调或姿态手势买现情绪的识别,而人体生理信号与人的情绪也存在着某种内在的联系,且生理信号客观、不易伪装,基于生理信号的情绪识别成为了近年来情绪识别研究的热点。论文研究了一种基于人体心电、呼吸、脉搏波和皮肤电导四种生理信号对人的四种基本情绪状态(平静、开心、悲伤、恐惧)进行识别的方法。采集了17名受试者在平静、开心、悲伤、恐惧情绪状态下的心电、呼吸、脉搏波、皮肤电导生理信号,得到总共668个生理信号样本。对生理信号进行了时域和频域的分析,提取出了信号特征。针对初始特征空间维数过大的问题,研究了一种基于前向浮动搜索技术的特征选择算法,该算法在指定选择的特征数量后可以从初始特征集合中选择出一组关键特征。利用这组关键特征,通过支持向量机对上述四种情绪进行训练和预测。针对支持向量机的性能受惩罚因子和核函数参数很大影响的问题,引入了遗传算法实现惩罚因子和核函数参数的最优化。通过交叉验证的方法对情绪识别算法的准确率进行评估,在31个关键特征下达到71.4%的识别准确率。此外,还将该情绪识别方法应用在德国Augsburg大学提供的情绪生理数据样本上,得到了最高95%的识别准确率。以上结果说明该方法可以有效地识别情绪,并且具有较好的推广性。