随着“人机情感交互”研究的加深,使计算机能理解人的情感状态变得越来越重要。在情感研究中与人脸表情、语音语调、姿态手势和文本的情感识别相比,心电信号客观、不易掩饰,有着不可替代的作用和意义。同样在情感研究阶段,心电数据的质量尤其影响情感识别研究的推进。目前多采用实验诱发来获取目标情感数据,但是实验诱发中的诱发材料多通过实验员手动挑选,并且数据标签以被试的自我感觉进行标定,数据准确性有待提高。结合传统的情感实验诱发,提出设计了基于心电信号的情感识别实验系统平台。其中解决了设计诱发方案的灵活、便捷性,并且在传统数据筛选的基础上结合PAM算法进行情感识别完成有效数据筛选,以此替代由被试的自评问卷完成情感数据筛选。设计诱发方案阶段中,结合传统图片诱发的方案设计,考虑到情感状态的递进,从图片对情感诱发的自身标签出发,提出图片诱发方案的自动生成策略。系统提供目标情感图片的效价、唤醒度范围,方案的效价定位在效价中值和效价偏差量之间,以唤醒度偏差将图片刺激程度分为低-中-高三段,按刺激程度递增生成诱发方案用以诱发实验,解决了诱发方案的自动生成问题。并根据诱发数据的有效率和离散程度来完成方案的评价及基于评价结果的方案推荐。在分析自采数据完成方案评价中,采用基于信息增益的PAM算法实现情感识别,在特征选择阶段引入信息增益,使得在系统实际应用中通过对样本特征的分析,得到各特征对当前样本类别预测的贡献度用于特征选择。先设计实验以自动生成的“高兴”和“悲伤”的方案进行情感诱发,获取心电信号情感数据,提取HRV时域、频域和非线性域特征进行信息增益分析实验,确定各特征的信息增益大小和适于当前情感的信息增益阈值,高于阈值的特征组合用以完成情感识别,结果证明基于信息增益的特征推荐结合PAM算法适用于情感识别,进而实现诱发方案的评价和有效情感数据的筛选。