虚拟现实（Virtual Reality,VR）是由计算机生成的、可交互的仿真环境,已经成为人机交互发展的重要应用之一,这种仿真环境可以给人提供听觉、视觉以及触觉等感官上的刺激,使人置身于其中产生身临其境的感觉。以人为中心的交互设计和高质量的用户体验是构建自然、和谐人机交互的重要内容,也很大程度上决定了虚拟现实系统是否成功。研究用户体验的自动优化方法,可以使用户获得更高质量的虚拟现实体验。心流体验是一种完全沉浸或专心致志于某种活动的积极体验,是衡量VR活动（如游戏、训练等）中用户体验质量的重要标准。在VR系统中,用户需要有比较好的沉浸感,集中注意力,才能专心于VR体验。如果用户感到无聊或者焦虑,就很难专注于当前体验。因此,识别用户的当前体验并加以调节引导,则可以更好地提升用户的VR体验。本文对于用户体验自动优化虚拟现实系统做出需求分析、概要设计和详细设计。其中,在需求分析中,进行了构建VR场景、数据通信、识别模型等功能性需求分析,及系统安全性、易用性等非功能性需求分析;在概要设计中,对用户体验自动优化系统的硬件设备和逻辑架构进行描述;在详细设计中,对系统的功能模块进行详细设计,包括VR诱导体验、生理信号数据集、用户体验识别、数据通信、优化策略等,并给出重要的类图和流程图。基于上述分析和设计,本文对用户体验自动优化系统进行了实现,并完成相应的测试。本文主要工作如下:（1）给出了系统需求分析、概要设计和详细设计,并采用C/S架构,设计实现了一个关键用户体验自动优化式的虚拟现实系统,可以自动识别用户活动的不同状态,并及时进行调节。（2）设计构建了五个VR场景,分别用于诱导被试的无聊体验、临场感体验、焦虑体验、心流体验和分心体验。使用多导生理仪设备,收集19名被试在体验VR时的呼吸信号（RSP）、心电信号（ECG）、脑电信号（EEG）、和皮肤电信号（EDA）,建立了 VR诱导的生理信号数据集。并基于这些多维生理数据,研发了基于卷积神经网络的用户体验分类识别模块。本文下一步将继续研究探索准确率更高的用户体验分类识别模型,并在实践应用中采集更多的用户体验数据,不断完善、优化系统。