利用功能性近红外光谱(fNIRs)技术实现了对不同情绪状态的识别。采集了15名受试者在6种情绪种类图片刺激下的fNIRs信号以及唤醒度、愉悦度评价数据。为了实现对受试者情绪状态的分类评估，采用支持向量机(SVM)和基于支持向量机的递归特征筛选(SVM-RFE)算法来筛选参数并设计情绪状态的分类器。结果表明在多种情绪种类图片刺激下，受试者出现了显著的功能响应曲线，并且在唤醒度、愉悦度和情绪种类三个分类目标上分别实现了81%、78.78%和68%的平均分类正确率。同时发现唤醒度和愉悦度的敏感特征主要出现在眶额叶皮层和背外侧皮层，且近似熵是反映情绪状态变化的有效指标。因此采用fNIRs能够基本实现对人体情绪状态的识别。