心理应激已经逐渐成为影响个体生命健康的重要因素,要有效的调节与控制心理应激,需要对心理应激强度进行了解与判断。皮肤电信号系非侵入性测量指标,能很容易捕捉到机体情绪的变化,易于获取,不受个体主观控制,是心理应激状态评估的良好生理指标。本论文提出了一种基于单模态的多等级心理应激状态识别方法。主要利用MIT公布的真实驾驶心理应激数据库和课题组自行设计的心理应激诱发实验采集的皮肤电数据,从中筛选出有效的皮肤电信号分别作为真实环境和实验室环境数据样本,并对这些样本进行皮肤电信号预处理、特征提取、特征优化和分类识别。将Fisher投影算法分别与朴素贝叶斯和支持向量机算法结合,对皮肤电信号特征进行优化和心理应激状态分类。与此同时,在MIT实验皮肤电特征提取工作基础上,研究皮肤电四个特有特征对分类结果的贡献。结果表明,在以上两种数据上,朴素贝叶斯分类器在心理应激识别中的识别率均优于支持向量机算法;基于国外驾驶应激数据,加上皮肤电信号四个特有特征后的心理应激识别率明显优于不包含这四个特征的识别率。同时,还研究了基于Fisher投影算法的特征优化最优特征子空间,结果表明2维特征子空间为最优。初步建立基于皮肤电信号的心理应激状态识别模型。在驾驶应激和实验室环境心理应激状态识别模型中,最优的识别率为81.82%,其中对低强度心理应激状态的最高识别率为95.45%。说明基于皮肤电信号识别三种不同心理应激状态也可以达到较好的识别效果。相比较基于多生理信号,或基于单一生理信号识别有无两种心理应激状态,本文基于单一生理信号的多等级心理应激状态识别模型不仅模型简单,而且其性能甚至优于某些已有模型,这样可以在模型性能与计算负荷之间做一个很好的平衡,而这是未来心理应激识别走向设备开发和应用的一个非常有前途的发展方向。