老年人情绪波动所引发的心理疾病很容易被忽视,严重威胁老人们的身心健康,因此为预防与及时排解老年人受情绪波动影响产生的心理疾病,将情绪状态进行实时监测是非常重要的。目前针对情绪识别应用较广泛的方法是对人体特征进行提取,存在着特征所处层级较低等问题,所采集的数据也通常因包含大量噪声、数量不足而导致识别性能不佳,并且系统存在未对老年人进行适配且性能较差的问题。因此本文分别针对数据采集与预处理、老年人情绪识别算法、情绪识别系统设计与实现几个方面展开研究。首先,设计了一种基于图片和视频的情感诱发实验对皮电信号进行采集;并采用将时序数据去基线漂移后转换为二维图片再进行二维插值的数据预处理方法对数据进行了预处理,便于完成皮电数据集的制作。其次,针对特征提取层次较低、数据噪声大的问题,结合深度残差网络的特点,提出了一种将非对称阈值机制与深度残差网络相结合的方法,通过设定好的阈值使信号的特征幅值朝着阈值的方向缩减,并将介于阈值区间内的特征幅值置零,以提高网络对高噪声类数据的处理能力,同时在残差单元内嵌入了自动学习阈值的模块,避免了人为设定阈值的复杂操作。用Python进行了仿真,采用自制数据集,与原始深度残差网络模型进行对比,从准确率、精准率、回召率、F1分数四个方面进行分析,仿真结果表明本文提出的模型拥有更好的性能表现。再次,为使软件系统更适合于老年人,结合对老年人关于情绪识别APP的需求调研,提出了一种浅延伸类目的人机交互模式,设计了系统模块结构,结合安全性、易用性的需求,确定了系统具体功能结构。最后,为提升系统响应速度、可靠性、安全性,提出了一种双重缓存储策略,利用双重内存提升查询速度,可通过修改热点数据过期时间和拦截无效字段,降低系统发生缓存雪崩、缓存穿透、缓存击穿的几率;设计了一种轻量级RPC框架,基于Netty的传输方式,设计了一种简洁高效的通信协议;提出了一种时序数据存储结构,将哈希表与有序集合结合,使查询时间复杂度从O（N）降低为O（1）。基于Andriod平台,验证了系统各功能模块的有效性。