现代社会的快节奏、强竞争使每个人需要面对来自工作、学习、生活等多方面的压力，尤其是经常需要面对各种竞技的体育运动员。压力能诱发兴奋、厌烦、恐惧等多种不同的情绪，不同程度的某种压力能诱发不同程度的情绪。人体的生理信号是随着情绪的变化、由自主神经系统和内分泌系统控制内脏器官产生的生物电信号，能更加客观真实的反应当时的情绪和压力状态。基于多生理信号的情绪识别流程，本文通过实验室诱发压力状态下的不同情绪和紧张程度，采集心率、皮肤电等多种生理参数，并且对这些生理参数进行数据预处理、特征提取、特征选择和分类。本文将粒子群优化算法分别与k近邻算法和支持向量机算法相结合，对压力状态下的情绪相关生理信号特征进行选择及情绪分类。实验研究表明，经过基线生理信号预处理去除后的情绪识别率明显优于没有去除基线的识别率，PSO-kNN算法在压力情绪识别中的识别率略优于PSO-SVM算法。同时，本文还研究总结了与压力情绪识别相关度较高的几种生理信号特征，初步建立了基于多生理信号的压力状态下的情绪识别模型。最后，本文将实验室建立的初步模型经过微调应用于赛艇运动员赛前压力状态下的情绪识别。研究结果表明，PSO-kNN算法与PSO-SVM算法在赛艇运动员应用模型中均具有较好的识别率且差别不大。通过基于多生理信号的压力情绪识别技术来衡量人的心理压力状态，为心理学中心理压力的评价和干预提供客观有效的依据和手段，具有深远的社会意义。