1.一种情感识别模型生成方法，其特征在于，所述方法包括：
采集男性和女性的生理信号，所述生理信号包括：心电信号、肌电信号、呼吸信号和皮肤信号；
从采集的男性生理信号中提取男性的特征值，以及，从采集的女性生理信号中提取女性的特征值；
根据第一指定算法将所述男性的特征值和所述女性的特征值迭代出第一最优特征子集，所述第一最优特征子集包括：男性的平静或高兴最优特征子集、男性的平静或悲伤最优特征子集、男性的平静或恐惧最优特征子集、女性的平静或高兴最优特征子集、女性的平静或悲伤最优特征子集、女性的平静或恐惧最优特征子集；
根据所述第一最优特征子集生成对应的情感识别模型。
2.根据权利要求1所述的方法，其特征在于，在所述从采集的男性生理信号中提取男性的特征值，以及，从采集的女性生理信号中提取女性的特征值之后，包括：
根据第二指定算法将所述男性的特征值和所述女性的特征值迭代出第二最优特征子集，所述第二最优特征子集包括：男性的高兴或悲伤或恐惧最优特征子集、女性的高兴或悲伤或恐惧最优特征子集；
根据所述第二最优特征子集生成对应的情感识别模型。
3.根据权利要求1所述的方法，其特征在于，在所述采集男性和女性的生理信号之后，包括：
采用三次B样条小波将采集的心电信号分解为8层，得到8层三次B样条小波的高、低频重构系数；
采用第2、3、4、5层的重构系数d2、d3、d4、d5确定QRS波群：e1＝d2+d3+d4+d5，e2＝e1×((d2+d4)×(d3+d5)/28)，其中，e1表示QRS波群，e2的峰值为心电信号的R波峰值；
确定e1的一阶差分f，在f信号中，从R波峰位置之前的第一个过零点记为LQ，从R波峰位置之后的第一个过零点记为LS，则LQ+1与LS+1分别为Q波和S波的位置；
采用第6、7层的重构系数d6、d7确定P波和T波：e4＝d6+d7，在信号e4中，T波波峰是S点位置之后的第一个极大值，而P波波峰是Q点位置之前的第一个极大值点；
根据定位的心电信号的PQRST波滤除所述心电信号的噪声。
4.根据权利要求1至3任一项所述的方法，其特征在于，所述根据第一指定算法将所述男性的特征值和所述女性的特征值迭代出第一最优特征子集，具体包括：
将所述男性的特征值分别划分为男性的平静或高兴原始特征子集、男性的平静或悲伤原始特征子集、男性的平静或恐惧原始特征子集，以及，将所述女性的特征值分别划分为女性的平静或高兴原始特征子集、女性的平静或悲伤原始特征子集、女性的平静或恐惧原始特征子集；
根据特征值的重要性对划分的原始特征子集中的所有特征值进行排序；
采用序列后向搜索，每次从原始特征子集中去掉一个重要性最小的特征值，且去掉的特征值在后续迭代中不能再次添加；
计算去掉特征值后的原始特征子集的分类错误率；
逐次进行迭代直至剩下一个特征值的剩余特征子集，所述剩余特征子集作为第一最优特征子集。
5.根据权利要求4所述的方法，其特征在于，所述计算去掉特征值后的原始特征子集的分类错误率，具体包括：
将去掉特征值后的原始特征子集划分成5等份，采用其中的4份作为训练集用于构建分类器，剩余的1份作为验证集以计算分类错误率；
在每次迭代中，计算得到的5个分类错误率的平均值，并将计算的平均值作为本次迭代的分类错误率。
6.一种情感识别模型生成装置，其特征在于，所述装置包括：
生理信号采集单元，用于采集男性和女性的生理信号，所述生理信号包括：心电信号、肌电信号、呼吸信号和皮肤信号；
特征值提取单元，用于从采集的男性生理信号中提取男性的特征值，以及，从采集的女性生理信号中提取女性的特征值；
第一最优特征子集确定单元，用于根据第一指定算法将所述男性的特征值和所述女性的特征值迭代出第一最优特征子集，所述第一最优特征子集包括：男性的平静或高兴最优特征子集、男性的平静或悲伤最优特征子集、男性的平静或恐惧最优特征子集、女性的平静或高兴最优特征子集、女性的平静或悲伤最优特征子集、女性的平静或恐惧最优特征子集；
第一情感识别模型生成单元，用于根据所述第一最优特征子集生成对应的第一情感识别模型。
7.根据权利要求6所述的装置，其特征在于，所述装置包括：
第二最优特征子集确定单元，用于根据第二指定算法将所述男性的特征值和所述女性的特征值迭代出第二最优特征子集，所述第二最优特征子集包括：男性的高兴或悲伤或恐惧最优特征子集、女性的高兴或悲伤或恐惧最优特征子集；
第二情感识别模型生成单元，用于根据所述第二最优特征子集生成对应的第二情感识别模型。
8.根据权利要求6所述的装置，其特征在于，所述装置包括：
重构系数确定单元，用于采用三次B样条小波将采集的心电信号分解为8层，得到8层三次B样条小波的高、低频重构系数；
QRS波群确定单元，用于采用第2、3、4、5层的重构系数d2、d3、d4、d5确定QRS波群：e1＝d2+d3+d4+d5，e2＝e1×((d2+d4)×(d3+d5)/28)，其中，e1表示QRS波群，e2的峰值为心电信号的R波峰值；
Q波和S波的位置确定单元，用于确定e1的一阶差分f，在f信号中，从R波峰位置之前的第一个过零点记为LQ，从R波峰位置之后的第一个过零点记为LS，则LQ+1与LS+1分别为Q波和S波的位置；
P波和T波确定单元，用于采用第6、7层的重构系数d6、d7确定P波和T波：e4＝d6+d7，在信号e4中，T波波峰是S点位置之后的第一个极大值，而P波波峰是Q点位置之前的第一个极大值点；
噪声滤除单元，用于根据定位的心电信号的PQRST波滤除所述心电信号的噪声。
9.根据权利要求6至8任一项所述的装置，其特征在于，所述第一最优特征子集确定单元具体包括：
原始特征子集确定模块，用于将所述男性的特征值分别划分为男性的平静或高兴原始特征子集、男性的平静或悲伤原始特征子集、男性的平静或恐惧原始特征子集，以及，将所述女性的特征值分别划分为女性的平静或高兴原始特征子集、女性的平静或悲伤原始特征子集、女性的平静或恐惧原始特征子集；
特征值排序模块，用于根据特征值的重要性对划分的原始特征子集中的所有特征值进行排序；
特征值删除模块，用于采用序列后向搜索，每次从原始特征子集中去掉一个重要性最小的特征值，且去掉的特征值在后续迭代中不能再次添加；
分类错误率计算模块，用于计算去掉特征值后的原始特征子集的分类错误率；
分类错误率迭代模块，用于逐次进行迭代直至剩下一个特征值的剩余特征子集，所述剩余特征子集作为第一最优特征子集。
10.根据权利要求9所述的装置，其特征在于，所述分类错误率计算模块具体包括：
原始特征子集划分模块，用于将去掉特征值后的原始特征子集划分成5等份，采用其中的4份作为训练集用于构建分类器，剩余的1份作为验证集以计算分类错误率；
分类错误率的平均值计算模块，用于在每次迭代中，计算得到的5个分类错误率的平均值，并将计算的平均值作为本次迭代的分类错误率。