由于情感在人类的感知、决策等众多过程中扮演着重要角色,并且伴随着在认知领域的不断探索,于是人们开始迫地从事对情感状态领域的研究。而在此类研究中,尤其以研究面部识别、语音识别为主,但这些特征有时根本无法反映出人类真实情感状态,也就无法从生理角度上分析人类情感。而为了解决这种冲突矛盾,我们采用生理信号作为研究对象来分析情感识别。通过分析生理信号,我们就可以识别出内在的情感和情绪变化,最可靠的是能采集到比较理想的符合真实环境的生理数据。美国MIT媒体实验室情感计算研究小组的Picard教授及其合作者率先从生理信号中提取特征来进行情感状态识别方面的研究,相继的其它国家与学者也在这一方面给予了极大的重视,并开始了积极的研究。然而,现有的基于生理信号的情感状态识别却存在着众多难题,譬如:识别效果欠佳,无法得到统一而有效的特征组合,鲁棒性较差等等。因此文中引入基于进化算法的思想希望在生理信号情感识别领域中突破以往的局限,进而达到较好的效果和有效的特征组合。进化算法是一种新兴的搜索寻优技术,它根据生物中遗传与进化的原理,仿效基因、染色体等物质表达所研究的问题,遵循达尔文“物竞天择,适者生存”原则,使随机生成的初始问题解通过复制、交换、突变等遗传操作不断迭代进化、逐步逼近最优解,从实质上讲,进化算法是生物科学与工程技术相结合的一门边缘学科,目前,它已成为继专家系统、人工神经网络之后有关人工智能学科的第三个研究热点。由于ECG信号蕴含情感特征丰富,可以较明显的反映出人类的情感状态变化,因此,论文结合进化智能优化算法应用处理ECG信号的情感状态特征优化问题,在一定程度上有效的解决了以往传统方法处理ECG信号特征选择的诸多局限性,在此基础上,进一步深入研究了ECG信号的情感识别难题,主要研究内容如下:1)心电信号的数据采集:实验通过MP150采集了391个被试在高兴与悲伤两种情感状态下所激发的ECG生理信号,所需的被试均来自西南大学在校大学生;2)原始心电信号的预处理:利用小波降噪函数和滤波器去除电源干扰的高频噪声和基线漂移及抖动等干扰因素;3)情感特征的提取:利用小波变换良好的时-频局部化和对信号奇异点检测能力,对采集的ECG信号进行离散小波变换,去除带外噪声和基线漂移的同时重构ECG信号的高频部分,并通过对心电信号自身的特点进行分析,提取出84种统计特征,最后选择出比较有效的108组ECG生理信号,形成数据库;4)情感特征子集选择:将进化算法中的进化策略和遗传算法与KNN分类器结合,以近邻法分类的正确率作为进化算法的评价准则函数,对高兴与悲伤两种情感进行分类识别,选择出能代表两种情感状态的有效的特征组合;5)论文最后通过对Augsburg大学的情感数据库进行仿真,并结合实验中分类高兴与悲伤两种隋感状态的分类识别效果来综合对比分析,验证了将进化算法与KNN近邻法相结合用于生理信号情感识别是有效地,不但有较好的情感识别率,并提供了识别情感状态的有效的特征子集。