迭代式发展并延续人类的智慧是人工智能的基本出发点,也是它对人类最有意义的一点。在人工智能的“智能”方向上,大量的研究成果使得机器在智能的某些方面甚至超过了人类。但在情感方面,机器甚至不如两岁的孩子。因此,情感是机器人革命的标志,是机器人进入社会的关键。在人机交互中,语音无疑是最自然的交互方式。能在语音中获取情感信息,并用此信息支持机器人的一系列决策是情感计算的关键。针对语音中情感的识别,语音特征和模型都是从语音识别或模式识别领域直接套用,其用于处理语音中多情感识别的效果十分有限,且达不到在实际的机器人上应用的水平。本文提出了在语音特征和语音模型、优化方法等方面提升语音中情感的识别能力,并将成果应用于机器人平台,为机器人不仅赋予其智能,也赋予其情感、心智。本文的工作主要有：(1)针对从语音识别领域转来的传统语音特征只能表征语音信号本身的问题,提出一种新的表征情感属性的语音特征并与经典特征、机器学习出的分类策略进行综合集成应用于语音情感识别；(2)对于经典的SVM(支持向量机)对多分类问题建模能力薄弱的事实,本文研究了多分类问题(不仅仅限于语音信号)的建模。针对多分类问题中分类不均衡的问题,提出了一种两阶段的分类策略,很好地解决了该问题。最终实验结果在国内外研究中处于领先水平。(3)总结并反思上述研究依赖研究人员先验经验的特性,本研究试图寻找一种在语音信号中自适应、自学习情感特征的模型。因此,本研究将多次试验后得到的最优特征与深度学习中的卷积神经网络模型CNN整合获得目前研究中最优的识别率97.6%,并利用ADA-DELTA算法提高收敛速度。