生理信号是情绪的外在表现形式,即情绪波动可以通过生理信号的变化表达出来,这种表现由于不受个体的主观控制,因此得到的结果更客观真实。由于以往基于统计特征方法很难描述生理信号的复杂变化,本论文在验证了生理信号的非平稳特性和混沌特性的基础上,提出了基于混沌理论方法分析生理信号所隐含的混沌特征。论文分别提取了4种不同情绪(喜、怒、哀、乐)下的多生理信号(心电信号、肌电信号、呼吸信号、皮电信号)的混沌特征参量,如最大Lyapunov指数、关联维、近似熵和复杂度。在此基础上,本文采用了J48决策树对生理信号的混沌特征参量进行训练和识别,J48决策树分类器是一种监督学习方法,在解决多类分类问题上具有分类速度快、分类规则容易理解、分类准确率高等优点。文中将提取出的混沌特征参量组成混沌特征矩阵,结合J48决策树分类器对4种不同情绪进行分类识别。研究结果表明,基于混沌理论的多生理信号情绪识别是可行的。多生理信号对不同情绪进行识别,对高兴、愤怒的识别率分别是100%和96%,对悲伤和愉快的识别率分别达到了88%和92%。将识别率结果同Augsburg大学实验室的结果进行对比,发现对悲伤和愉快的识别取得了不错的效果,对悲伤的识别率Augsburg大学实验室是77.27%,本文是88%,对愉快的识别率Augsburg大学实验室是68.18%,本文是92%。