针对多模态情绪识别中跨模态时序非同步、文本模态主导及非语言线索利用不足等问题，提出融合全局感知与动态时序对齐的跨模态情绪识别模型(Temporal-Global-Frequency Fusion Network，TGF-Net)。该模型采用主辅协同三分支架构(Main-Auxiliary Collaborative Three-Branch Architecture)，分别从语义交互、全局上下文和混合时频表征三个层面进行互补建模。针对模态间动态语义时差引起的时序错位，提出锁相模糊卷积模块(Genlock-Fuzzy Convolution，GFC)，通过相位偏移估计、自适应模糊窗口和动态高斯软卷积实现细粒度时序重采样，为跨模态语义对齐提供可学习的校准方式。同时，构建全局分支以检索长程情感依赖和边缘情绪线索，并设计基于混合域解耦策略的频率分支以补充频域声学线索。在CMU-MOSEI和CH-SIMS v2数据集上，TGF-Net分别取得86.49%和80.56%的二分类准确率，并在七分类和五分类任务中分别达到54.26%和58.51%，验证了所提方法的有效性。