智能化的人机交互需要情感计算来实现。情感识别作为情感计算的一个重要组成部分，内容涉及认知科学、心理学、生理学、行为学、传感器技术、计算机科学等，是一个多学科交叉的研究领域，有着广阔的应用前景。本文将情感识别理论应用于负面情绪的评估，提出了基于生理信号的负面情感识别研究。首先，从国际上公认的两个情感生理数据库中存在的不足着手，设计了一个基于生理信号的负面情感识别研究的实验方案。以噪声为刺激源，激发被试产生烦躁不安的负面情绪，采集了16名志愿者的心电信号以及肌电信号。获取到的生理信号共32组，其中16组为噪声刺激下的生理信号，作为包含有负面情感状态的数据源，另外16组静息状态下的生理信号，作为对照组。采用小波变换对原始心电信号和肌电信号进行特征提取，筛选出有效地情感特征，滤除不合理的、冗余的信息。针对心电信号，采用db1连续小波变换提取了心电信号R-R间距、心率、PQS波长、QRS波长、ST段长度等10个特征；对于肌电信号，利用db5小波从时频域提取了14个特征，共计24个特征值。设计了基于径向基核函数的支持向量机分类器进行特征分类。针对不同的惩罚因子C和核参数σ的选择方法，文中提出了两种SVM模型：一是传统的SVM分类器，也就是采用交叉验证法寻求最优的惩罚因子C和核参数σ组合；另一种是基于遗传算法优化的SVM分类器，利用遗传算法全局搜索最优解的特点，取得最优惩罚因子及核参数。分类结果表明，基于遗传算法寻优的SVM的平均分类正确率比交叉验证寻优法的SVM的平均分类正确率略高，训练集高出了0.43%，测试集高出了4.45%。此外，两种寻优方法下的SVM分类器的平均分类正确率都大于81%，证明了本文设计的实验方案的可行性。