长期身心健康监测在许多国家是医疗政策和保健部门服务的基本主题。长期健康状态评估可以通过使用可穿戴传感器进行自然地、客观地监控,这对于科学研究人员寻找并建立情感计算、身体传感器网络、社交信号处理和身心健康评估的相互关系提供了科学工具。有研究表明,通过融合多维度的可穿戴传感器数据特征,挖掘语音、行为、体征、环境等信息能够推断出人类复杂的社交行为和心理状态,特别是Giancarlo Fortino等将身体传感器网络应用于健康监测,对可穿戴医疗设备的发展做出了杰出贡献。传统心理健康监测方法是以望、闻、问、切和问卷的方式来获取临床资料,根据医护人员对资料的主观分析,评定被诊断者的个性特征和心理状态。因为传统心理健康监测方法可能会影响评估结果的准确性,本文通过设计可穿戴设备和长时间心理健康监测实验,实时地采集实验对象在日常生活中的语音、行为、环境和体征数据。为了保护佩戴者的个人隐私问题,课题创新分析4种心理健康相关的语音特征并嵌入到可穿戴式腕表中,实时地保护隐私计算。另外,本文通过分析语音、行为特征与7份心理健康量表分数的皮尔逊相关性,ASQ高分者与ASQ低分者社交特征的差异性,设计了一种基于PCA特征压缩算法和Boosting集成学习提升方法的心理健康监测评估模型。本文的主要研究内容如下:1)基于可穿戴多传感器的社交感知技术,本文设计并实现了可穿戴式腕表设备,可采集穿戴者语音、行为、环境和体征数据,并能够在可穿戴设备内实时地提取语音社交特征,在长时间实验中保护被试者的语音隐式。2)设计并实施长时间地心理健康监测实验,本文对16位在校学生进行长达4周的自闭倾向监测实验,收集了近200GB的语音、行为、环境、体征相关数据和300多份心理健康问卷调查评测表。3)针对语音、行为、环境、体征组成的复合数据,本文提出了语音特征在线实时计算方法以及低频传感数据的特征分析方法,主要包括能量、共振峰、谱熵、亮度组成的4个语音特征和17种时频域多维低频数据特征。4)根据语音特征、行为特征与自闭症分数的相关性,对比分析了ASQ高分人群与ASQ低分人群短时微观和长时宏观特征数据的差异性。5)根据传感特征与心理健康量表的皮尔逊相关性结果,本文提出了基于PCA特征压缩法、逻辑回归线性分类器、Boosting方法、集成学习思想,设计并实现了自闭症倾向的分类预测模型。