心理压力是影响人体健康的重要因素。当人体面临的压力超出心理负荷时便可能引发抑郁症、焦虑症等严重威胁健康的心理疾病。对于心理疾病的早期诊断与干预,心理压力的准确测量是至关重要的。传统方法通常采用心理量表评估压力,这种自评方法是有效的,但也存在一定主观性,激素测量因其侵入性等局限而不能被广泛推广。随着电生理学和传感器技术的发展,脑电信号和语音信号因其无创获取、推广性强等优势受到众多研究者的青睐。本文的研究分为脑电信号和语音信号两个部分。在脑电研究方面,本文选择高压力人群作为实验对象,通过对前额静息态脑电数据的分析,探索不同特征组合(包括线性与非线性特征)的有效性,选择最优特征组合进行分类以识别心理压力。出于算法实现简单、计算速度快等方面的考虑,本文选择K最近邻分类器与朴素贝叶斯分类器应用于实验数据,并获得了较高的分类准确率。在语音研究方面,本文改进了诱发心理压力的心算实验任务,提取常用的语音声学、韵律特征,通过线性判别分析方法选择最优特征子集进行分类,获得了较高的分类准确率,并且对语音特征和心理量表得分做线性回归,发现部分特征与量表总分有显著的线性相关性。本文的主要贡献与创新如下：(1)发现脑电非线性特征Renyi熵、LZ复杂度、C0复杂度和关联维数能够反映人体心理压力水平；(2)改进了基于心算任务的心理压力实验,将任务难度划分为三个等级以观察心理压力水平的变化趋势；(3)发现心理压力对声音特性有明显的影响,声带振动频率和抖动程度在被试执行任务时显著提高,任务结束后有所降低,但短时间内无法恢复到任务前的状态,声带振动频率随着任务难度的增加先升高后降低。