语音情感识别一直以来都是计算机视觉和机器学习领域的研究热点,“情感计算”这一概念在近几年已经引起了国内外许多情感分析专家的关注。说话者的语音信号中往往包含了丰富的情感信息,来帮助他更好的传递信息。同一个人用不同的情感表达同一句话时,其传递的信息可能不太相同。为了使计算机更好地理解人的情感,就必须提高语音情感识别的准确率。如今,语音情感识别在人工客服,远程教育,医学辅助,和汽车驾驶等人机交互领域的应用越来越广泛。语音信号的不同语气可以传达不同的情感,让计算机准确的识别语音情感是一项极具意义的任务。许多公开的情感语音库识别算法在对非限制条件下采集到语音信号的识别效果不佳,这些情感识别算法距离实际应用仍有较大的差距。传统的情感识别算法通常只是用到语音的时间信息或者是频域信息,但是情感的变化是一个动态的过程,它在变化的过程中具有非常明显的动态变化特征,也就是情感上下文信息,该信息一般使用连续帧语音信息来表示,利用LSTM算法来获取,提取语音情感的上下文信息特征能够有效提高情感识别率。针对以上所述,本文采用基于时频上下文信息的方法来提高语音情感识别的正确率和鲁棒性。本文的研究内容如下:(1)调研了常用的语音情感特征提取算法和分类方法,并对经典的语音情感识别方法进行了介绍,对比了各种语音情感识别方法的识别正确率,并分析了这些识别方法的优劣;(2)提出了针对机器人语音情感识别的特征提取方法,由于近年来,卷积神经网络在识别领域取得了巨大的成功,本文将其引入到情感识别领域并取得了不错的效果;为了进一步提高情感识别的正确率,本文除了利用语音信息的时域上下文特征外,又介绍并引入了语音频域的上下文信息特征进行识别,提高了整个系统的识别正确率;(3)提出了融合时频上下文信息的方法,把提取的时间域和频率域上下文信息特征进行融合,在知名的语音情感数据集上进行了实验,得到了不错的识别效果。最后,将基于时频上下文信息的语音情感识别方法应用于机器人后端的语音情感识别模块,实现智能机器人的语音情感识别功能。