Aunque en la actualidad, los sistemas de reconocimiento de niveles de ansiedad son ampliamente utilizados en la fase de terapia cognitiva conductual, interfaz hombre computador, técnicas de manejo afectivas, las técnicas de procesamiento desarrolladas aun no alcanzan porcentajes de acierto altos, debido a problemas presentes en las mismas señales, como pueden ser los procesos de filtrado, artefactos, sistemas de caracterización que no determinan a ciencia cierta el contenido emocional presente en dichas señales ó sistemas de clasificación que no realizan en forma óptima su tarea. De igual forma se describe la idea fundamental de cada una de las técnicas con sus pro y sus contra, con el fin de establecer un marco comparativo y de esta forma encontrar una combinación de técnicas que ofrezcan el mínimo de error en el reconocimiento de la emoción presente procedente de una señal fisiológica. Con base en los problemas que presentan los sistemas de reconocimiento de emociones, se requiere de un sistema capaz de realizar esta tarea de manera robusta que aplique técnicas que sean capaces de cuantificar la información presente en las diferentes señales fisiológicas estudiadas. Por tanto se propone el desarrollo de una metodología para el reconocimiento de estados de ansiedad, mediante un análisis multimodal y técnicas de aprendizaje de maquina en señales fisiológicas con el fin de aplicar esta metodología en el tratamiento psicológico para el control de la ansiedad.Although inthe present systems of emotion recognition are widely used in the phase of cognitive behavioral therapy, computer human interface, techniques of emotional management, the techniques developed processing even not reach percentages higher confidence due to problems at the same signals, such as filtering processes, devices, systems characterization not determine with certainty the emotional content present in these signals or classification systems that do not perform optimally in their task. Likewise the fundamental idea of each of the techniques with their pros and cons, in order to establish a comparison frame and thus to find a combination of techniques which offer the least error in recognizing emotion described present from a physiological signal. Based on the problems presented by the emotion recognition systems, requires a system capable of performing this task robustly implement techniques that are able to quantify the information in the different physiological signals studied. Therefore a methodology for the recognition of anxiety states proposed by multimodal analysis techniques and machine learning in physiological signals in order to apply this methodology in psychological treatment for anxiety management.