인간-로봇 상호 작용 분야에서 감정인식 및 분류 기술은 다른 연구 분야에 적용하기 위해 빠른 데이터 처리와 모델 경량화를 고려해야 한다. 본 논문은 아시안 멀티모달 데이터 MERTI-Apps의 관찰자 주석 라벨링을 이용한 PPG(photoplethysmogram), GSR(Galvanic Skin Response) 신호 라벨링 처리 방법, 1차원 합성곱 신경망 모델과 autoencoder을 이용한 실시간 감정 분류 방법을 제안한다. 또한 모델의 성능을 확인하기 위해 공개 데이터 DEAP과 아시안 멀티 모달 데이터 MERTI-Apps를 사용하여 결과를 비교한다. 논문에서의 주요 연구는 감정 분류를 위한 멀티모달 생체신호 기반의 파형 단위 데이터 전처리, 세부적인 학습데이터 설정, 감정 분류 모델 학습 및 경량화를 하는 것이다. 감정 분류를 위해 생체신호 데이터는 1-Pulse 단위로 window slicing 되며, PPG와 GSR 신호의 특성을 유지하기 위한 라벨링 재설정한다. 또한 추가적인 특징추출의 handcraft 작업 없이 간단한 데이터 전처리와 데이터의 파형 중복과 손실 방지를 진행한다. 실험 결과 MERTI-Apps의 정확도는 3-class 기준 arousal 79.18%, valence 74.84%를 확인하였으며, DEAP의 정확도는 2-class 기준 arousal 81.33%, valence 80.25%로 모든 데이터베이스에서 높은 성능을 확인하였다. 또한 제안하는 방법은 MERTI-Apps을 사용한 선례 연구보다 개선된 연산 시간 및 정확도를 확인하였으며, 제한된 하드웨어 환경 및 빠른 연산, 실시간 감정분류 시스템에 사용할 수 있도록 지식 증류를 적용하였다. 경량화를 진행한 모델의 정확도는 3-class 기준 arousal 77.87%, valence 73.49%이며, 경량 모델의 연산 소요 시간은 1d convolutional autoencoder 모델과 비교하면 80% 이상 단축되었고, 모델의 매개변수가 98% 감소했음을 확인하였다.