情感识别最终目的是让计算机能够识别人类的情感,从而使得计算机更具人性化。基于生理信号的情感识别,主要的研究对象是人体的生物电反应。传统的情感识别大多是从表情中得出结论,但非接触数据的可靠性和客观性较低。生理信号的变化状况是人类情感最重要且最真实的表现之一,受人类意识的影响较小,可信度有所保障。在以生理信号为对象的情感识别中,研究的关键是怎样有效提取不同情感状态的特征。本文使用的生理信号数据来自于实验采集而得。本文主要做了以下工作:本文采用离散的情感分析方式,我们选取四种不同的情感作为诱发对象,分别是是高兴、悲伤、愤怒和恐惧。我们使用两组不同的视听情感诱发材料进行实验,意图引起被试者的四种情感。在数据采集过程中,当被试者收看情感诱发材料时,记录参与者的面部表情和生理信号,生理信号主要包括三种,分别为脑电信号、心电信号和光电脉搏信号,面部表情的采集将在后续的生理信号切片上提供重要依据。其次,本文比较多种滤波算法,选择其中具有广泛良好效果的小波变换,作为数据去噪算法。之后,我们使用傅里叶变换方法,转换时频域数据,从时频域数据中,共提取到近二十种统计特征个数据,通过对数据进行归一化处理,组成特征矩阵,最终对特征矩阵进行机器学习算法和子空间聚类算法处理。从识别结果可以看出,情感识别领域,机器学习算法仍然可以适用,而且相对于传统机器学习算法,子空间聚类算法对情感识别的精确度有所提高。