1、現(xiàn)代社會(huì)的快節(jié)奏、強(qiáng)競(jìng)爭(zhēng)使每個(gè)人需要面對(duì)來自工作、學(xué)習(xí)、生活等多方面的壓力,尤其是經(jīng)常需要面對(duì)各種競(jìng)技的體育運(yùn)動(dòng)員。壓力能誘發(fā)興奮、厭煩、恐懼等多種不同的情緒,不同程度的某種壓力能誘發(fā)不同程度的情緒。人體的生理信號(hào)是隨著情緒的變化、由自主神經(jīng)系統(tǒng)和內(nèi)分泌系統(tǒng)控制內(nèi)臟器官產(chǎn)生的生物電信號(hào),能更加客觀真實(shí)的反應(yīng)當(dāng)時(shí)的情緒和壓力狀態(tài)。
　　基于多生理信號(hào)的情緒識(shí)別流程,本文通過實(shí)驗(yàn)室誘發(fā)壓力狀態(tài)下的不同情緒和緊張程度,采集心率、皮膚電等

2、多種生理參數(shù),并且對(duì)這些生理參數(shù)進(jìn)行數(shù)據(jù)預(yù)處理、特征提取、特征選擇和分類。本文將粒子群優(yōu)化算法分別與k近鄰算法和支持向量機(jī)算法相結(jié)合,對(duì)壓力狀態(tài)下的情緒相關(guān)生理信號(hào)特征進(jìn)行選擇及情緒分類。實(shí)驗(yàn)研究表明,經(jīng)過基線生理信號(hào)預(yù)處理去除后的情緒識(shí)別率明顯優(yōu)于沒有去除基線的識(shí)別率, PSO-kNN算法在壓力情緒識(shí)別中的識(shí)別率略優(yōu)于PSO-SVM算法。同時(shí),本文還研究總結(jié)了與壓力情緒識(shí)別相關(guān)度較高的幾種生理信號(hào)特征,初步建立了基于多生理信號(hào)的壓力狀