“情感计算是关于、产生于和影响于情感方面的计算,其目的是赋予计算机识别、理解、表达和适应人情感的能力”。情感识别是情感计算研究的关键问题之一,而情感识别的正确性,直接由用于识别情感的特征模式决定。在以生理信号为对象的情感识别中,提取能有效区分不同情感状态的特征,是生理信号情感识别的关键。本文以心电(Electrocardiogram,ECG)信号为研究对象,采用小波变换的方法,从小波系数中提取高兴、悲伤等不同情感状态心电信号的特征,分析特征值大小与情感状态的关系。主要做了以下工作：1.对德国Augsburg大学以音乐为诱发素材,采集自同一被试不同情感状态的ECG数据样本做小波分解,提取小波系数的统计特征进行分析,对同一天采集的四种情感数据的同一特征,比较其相对大小关系,得出大小关系一致的特征作为情感识别依据。对选取的特征执行标准化之后,直接采用阈值判别的方法,对高兴和悲伤两类情感分类效果较好,最高可以达到92%。验证了小波变换提取心电信号情感特征的有效性。2.根据不同小波分解的实验结果,结合由类间离散度和类内离散度决定的适应度值,提出选择比较适合用于心电信号情感特征提取的小波函数的方法。3.以视频片段为材料,诱发被试高兴、悲伤等特定情感,采用美国Biopac公司提供的多导生理记录仪MP150同时采集包括心电信号在内的六种生理信号数据,利用其中244组ECG信号对前面得分析结论进行验证,并且将数据按情感唤起强度分成三组,通过分组对比的方式,分析情感反应强度对实验结果的影响。实验结果表明,情感强度在一般及以上的数据,对高兴和悲伤的正确识别为71%,情感强度较强及以上的数据,对高兴和悲伤的正确识别为76%,这表明情感唤起的强度越强,分类效果越好。