随着计算机在人类社会的深入应用,和谐人机交互环境已经受到人们的高度重视。要做到人机交互真正的和谐与自然,计算机必须能够识别和表达人类的情感。情感计算的研究,使计算机拥有情感能力成为了可能。由于生理信号的客观性和真实性,从生理信号中进行情感识别已经成为了人机交互情感识别领域的一个重要研究内容。生理信号情感识别研究,主要是通过对采集到的情感生理信号进行分析,抽取山能够代表特定情感的特征,建立情感识别模型,用以情感识别。心电信号作为一个重要的生理信号,已经被证明能够包含可靠的情感生理反应。同时,心电信号是医学上的重要研究对象,其信号处理技术已经比较成熟。因此,本文以心电信号作为研究对象,通过采集情感心电信号、信号预处理、情感特征提取、特征选择等一系列工作,最终建立心电信号情感识别模型。具体工作如下：(1)情感诱发实验方案和情感心电信号采集方案的制定。通过对已有文献中情感诱发实验的研究,发现电影片段比图片和音乐等素材更能成功激发人的情感。文中从大量的电影中剪辑出能够诱发特定情感的电影片段作为情感唤起素材。为避免情感的交叉影响,在每个电影片段之间加上了一定时间的风景图片和轻音乐。被试观看每个情感诱发电影片段后需要填写问卷,包括自己的情感状态和情感强度。当被试观看情感唤起素材时,使用BIOPAC公司的MP150生理信号记录仪采集被试的情感心电信号,并使用摄像头同步记录被试的面部表情和身体姿势。(2)建立情感心电信号样本库。通过情感诱发实验,本文采集到多名身体健康、无心脏病史的大学一年级学生分别在Anger(愤怒)、Disgust(厌恶)、Fear(恐惧)、Grief(悲伤)、Joy(高兴)、Surprise(惊奇)六种情感状态下的心电信号。通过数据有效性分析,从情感诱发有效的心电信号中截取出80秒数据作为样本,建立情感心电信号的样本库。(3)情感特征提取。通过小波变换对采集到的情感心电信号进行分解和重构,去除基线漂移等噪声,提高信号的信噪比。准确定位P-QRS-T波后,分别从不同情感状态下的数据中提取情感特征,构成111维的初始特征集。(4)对初始特征集相关性降维。由于初始特征集中包含了很多冗余特征,为了降低特征选择的难度和提高特征选择工作效率,文中基于相关性分析理论,提取山初始特征集中的相关特征,只保留其中的一个特征,实现对初始特征集的降维。(5)特征选择。在特征选择中,引入离散二进制量子粒子群算法。针对心电信号情感特征选择这一特殊问题,文中在离散二进制量子粒子群算法的基础上设计出一种改进算法(IBQPSO),通过性能测试结果表明,IBQPSO算法比原算法具有更好的全局搜索性能。将IBQPSO算法分别与线性分类器Fisher和非线性分类器SVM结合,在降维后的特征集中进行特征子集选择。(6)心电信号情感识别模型的建立。基于两种特征选择方法的结果,分别构建出两个不同的心电信号情感识别模型,并对模型进行性能测试。实验结果表明：(1)利用相关性理论对心电信号初始特征集降维是可行的,通过降维,去除了初始特征集中的部分相关特征,降低了特征选择的难度。(2)基于两种特征选择方法的结果,文中构建出的两个不同的心电信号情感识别模型都具有良好情感识别能力和一定的泛化能力。(3)在识别Disgust(厌恶)情感、Grief(悲伤)两种情感时,基于IBQPSO算法与Fisher分类器选出的特征子集构建出的情感识别模型具有更好的性能；在识别Fear (恐惧)、Joy(高兴)、Anger(愤怒)、Surprise(惊奇)四种情感时,基于IBQPSO算法与SVM选出的特征子集构建出的情感识别模型具有更好的性能。总体来说,基于IBQPSO算法和SVM选出的特征子集构建出的情感识别模型具有更好的情感识别能力。