情绪与人们的健康息息相关,通过情感识别技术可以对负面情绪进行检测,有助于保持身心健康。同时情感识别也是实现人机情感交互的重要一环。本文在总结了国内外相关的研究基础上,着重考虑情感识别的实时性,最终选用长度为10 s的短时情感心电作为研究对象展开情感识别的相关研究,本文主要研究工作如下:本文通过视频诱发的方式对21名身心健康的在校学生进行了情感心电信号的采集,并和Bio Vid Emo DB情感数据库共同组成了一个包含高兴、悲伤、厌恶、恐惧和愤怒这五种情绪在内的情感数据库。数据库中包含情感心电数据以及实验过程中被试者的面部表情视频,其中的面部表情视频会用作情感心电数据的标注。在心电信号的预处理阶段选取sym小波对心电信号进行降噪处理。实验采集到的情感数据往往含有相当数量的无情感内容,同时因本文使用短时心电信号进行情感识别的相关研究,这就需要设计相应的标注系统标记出情感数据中有效的部分。本文针对性地设计了基于面部表情识别的标注系统,其中的人脸识别部分通过多任务卷积神经网络实现,表情识别部分通过残差网络实现。使用该系统能够有效地标记出长度为10 s的短时情感心电信号的位置。然后,通过Pan&Tompkins差分阈值算法对短时情感心电信号进行R波识别从而获取短时心电信号的RR间期。以RR间期序列为研究对象,经过时域、频域和非线性分析得到了心率变异性的多个指标。并通过统计分析的方法,对5种情绪状态下的心率变异性指标的差异性进行了研究。最后,本文基于多种机器学习方法,针对一对一的情感识别和多情绪之间的识别分别建立了相应的识别模型,并通过十折交叉验证和网络搜索算法对模型进行优化。实验表明支持向量机和随机森林算法能够在一对一的情感识别中达到较高的识别效果,同时随机森林算法在五种情绪的分类中也表现得较为出色。最终,基于上述的研究成果,本文完成了能够对短时情感心电信号进行分析和情感识别的界面设计。