当前,由于社会经济和科学技术飞速的发展,人类的物质与精神世界也日益丰富多彩,同时,由于生活节奏不断加快,精神障碍类疾病的发病率日益上升,其中特质焦虑是大部分人所面临的主要精神障碍之一。特质焦虑是一种在焦虑倾向中相对稳定的情感状态,会使个体长期处于警觉状态,不利于身心健康。因此,如何进行有效的特质焦虑感知具有重大的现实意义。近年来基于生理信号进行特质焦虑感知取得了一定的成果,但是这些成果通常是利用脑电等单一生理信号进行研究,没有兼顾多种生理信号之间的互补性,并且不能做到无扰式采集生理信号。因此,本文依托于军委科技委国防特区计划重点项目,提出一种基于脑电、心电和红外额温信号的特质焦虑感知框架,并对其中涉及的关键技术进行详细研究和验证,主要研究内容和成果如下:（1）为有效进行无扰式多模生理信号采集,本文提出一种基于脑电、心电和红外额温的可穿戴同步采集模型:首先根据生理电信号微弱、低频和不稳定等特点,设计相应的模拟前端采集电极和仪表放大电路;然后通过共模抑制、直流伺服、低通滤波和双T陷波等电路有效减少了噪声的干扰;再通过芯片选型和电源管理实现低功耗性能,生理信号数据经过数字电路部分封装成帧,并通过蓝牙实时传输至PC端;最后通过3D建模构建出适配不同头部大小人群的可穿戴系统模型。（2）针对生理电信号去伪迹和红外额温误差补偿作出相应设计与验证:脑电采用一种基于小波变换、卡尔曼滤波与自适应滤波的混合去眼电模型,通过比较去眼电伪迹前后脑电的时、频域相似度,验证了该模型的有效性;心电先利用小波阈值法实现对肌电伪迹的去除,然后通过自适应双阈值法实现对QRS波群的精准定位;红外额温采用一种基于遗传算法优化的BP神经网络误差补偿模型,通过真实值和预测值对比,使预测样本的误差控制在±0.15℃之间。（3）本研究实验部分先通过性能测试验证了系统稳定性,以及稳态视觉诱发电位（Steady State Visual Evoked Potentials,SSVEP）实验验证了系统可以检测到由不同刺激频率诱发的SSVEP。之后通过采集高、低特质焦虑者在静息（Rest）、正性（Pos）、中性（Neu）和负性（Neg）音视频刺激下的三种生理信号,提取了三种生理信号中和特质焦虑量表得分相关性最高的六种指标,包括:脑电中Bate频段的平均能量Eβ、左右额Alpha频段能量不对称指标FAA、平均LZC复杂度,心率变异性（Heart Rate Variability,HRV）中R-R间期的标准差SDNN、低频与高频能量比ηLF,HF,红外额温中左右额温之间的平均差值ΔTLR,两类人群的各指标在四种状态下的统计特性均符合国内外现有的研究。最终利用三种生理信号的不同特征组合,运用支持向量机（Support Vector machine,SVM）对高、低特质焦虑人群进行分类,结果证明:利用多模生理信号较单一生理信号进行分类有着更好的分类效果;在Neg刺激下得到了最高的平均分类准确率,证明了高特质焦虑者在负性刺激下表现得更为敏感,生理反应增强。综上所述,本文设计和完成了无扰式多模生理信号的可穿戴采集系统,从硬件设计、算法实现和实验验证等关键部分展开详细研究与验证,并且深刻探究了运用多模生理信号进行特质焦虑感知的可行性,为将来深入研究特质焦虑感知提供了一定的参考价值。