尽管人员在应激事件下产生一定的应激压力对身体有益,但长期累积必然会产生诸多健康问题,严重时可威胁其生命安全。因此对应激事件下人员应激状态的精准识别与生理反馈训练变得尤为重要。本文主要基于科学的数据分析方法实现关键生理信号特征的提取与优选,并结合智能学习算法构建人体应激评估模型。并进一步探索了可被干预的人体内源调控与生理信号分析结合的闭环训练架构,引入了带反馈调节的人体内源生理调控训练模式,通过分析调控节律对人体应激能力的影响,对应激失常下的有效调控策略进行评估,实现科学、高效训练。在应激状态的评估识别方面,模拟应激事件设计试验范式,采集30名被试人员平静与应激下的心脑电生理信号,并提取脑电特定频带的域特征和心电信号的心率变异性（HRV）的时频域特征,利用特征优选算法遴选出18维特征构成特征矩阵,进而构建多源特征集。采用支持向量机（SVM）,决策树,梯度提升树,随机森林算法对应激状态进行评估,结果表明,SVM平均预测准确率最高,达到了0.90,并且算法精度优于单一心电和脑电且优于其对比算法。为了评价算法的泛化能力,采用测试数据集进行验证,通过ROC曲线证明了本文多源特征算法的有效性。在应激状态下的反馈调控方面,本文提出了一种应激事件下应激失常的内源调控策略,采用人体呼吸调控与生理信号分析技术结合的闭环训练架构,探究不同呼吸调控模式（节律、深度等）对人体应激能力的影响,提出具备实操性的呼吸调控方法。并进一步模拟应激事件,利用“被试间设计”方法,将样本分为不同模式下的呼吸调控组和对照组,不同呼吸调控组分为平静期,应激期和相应的呼吸调控期。对照组为平静期,应激期,自身恢复期。基于统计学的方法对各组数据进行科学分析,实验结果表明,在各组恢复期间,呼吸调控组被试人员在一定时间内其生理指标恢复至平静期,而对照组在相同时间内并未恢复至平静期,证明了呼吸调控的有效性。并进一步根据时域分析得出呼吸调控组应激恢复时间比自然恢复时间缩短了33%以上。结果表明本文提出的内源调控方法可以作为应激失常下的反馈训练方法。