脉搏信号的情感识别属于生理信号情感识别,是一项应用前景广阔的计算机模式识别技术,在人机交互领域起着越来越重要的作用。脉搏信号作为生理信号的一种,蕴含了丰富的生理病理信息,其病理信息从很早开始就被广泛应用于医疗的各个领域,而其生理特征是在人工智能等计算机技术深入发展下,逐渐被人们所重视。脉搏信号相比其他生理信号,采集更加方便,包含的情感特征更加丰富。因此研究脉搏信号的特征与情感状态之间的关系非常重要。本文设计了一款用于实现实时情感识别的脉搏信号采集系统,并开发了与之对应的实时显示脉搏波形、跨平台的上位机软件,实现了对脉搏信号的采集、存储、情感识别等功能,为移动设备开发实现实时的人机情感交互提供了一种可能。同时,通过经验模态分解(Empirical Mode Decomposition,EMD)对采集到的脉搏信号进行预处理,结合脉搏信号的波形特点,研究和提取了脉搏信号的重要特征,实现了对高兴、愤怒、平静、悲伤四种情感状态的分类识别。本文主要包括以下几个方面的工作。首先.根据脉搏信号的特征,采用反射式光电传感器将脉搏信号提取出来,然后经过硬件放大电路,将脉搏信号合理放大,并通过使用单片机对放大后的信号进行采集,最终通过USB将采集到的原始数据上传,上位机软件再将原始脉搏数据以曲线图形显示出来,完成了脉搏信号的数据采集存储和显示功能。其次,分析经验模态分解的性质,讨论了它的优点与不足,并将其引入到对脉搏信号情感识别的研究中,针对该算法在脉搏信号中存在的问题,提出了两种不同的改进算法即基于遗传算法的支持向量机端点延拓算法和自适应的集合经验模态分解(Ensemble Empirical ModeDecomposition,EEMD),并分析了两种算法的优缺点。最终选取自适应的集合经验模态分解算法作为对脉搏信号的基本核心算法。然后,通过自适应集合经验模态分解算法,分析了脉搏的波形特点,提出了一种定位脉搏主波波峰和重搏波波峰的方法,并针对该方法的不足,提出了一些改进。实验证明该方法对搏波波峰定位准确,为进一步提取脉搏信号的特征提取提供了基础。最后,提取了不同情感状态下的脉搏信号主波波峰和重搏波波峰的统计特征以及脉搏信号的主波波峰的近似熵,实现了不同情感状态的分类识别,并最终将这些程序移植到上位机软件里面,实现了基于改进的EMD脉搏信号的情感识别方法研究和系统设计。