近年来,人工智能的快速发展刺激着科技的不断进步。人工智能领域内的图像、语音、文字三个重要领域内的研究也随着人工智能技术的进步而蓬勃开展,涉及人工智能和智能问答的研究不胜枚举。语音情感识别作为语音研究领域内不可或缺的一部分,在语音语义识别等技术已经取得一定成就的基础上逐渐成为人们在现阶段研究的焦点和方向。如何在现有技术的基础上获得语音情感识别准确率方面的提升则成为语音人工智能研究的首要目标。本文首先针对在现阶段语音情感识别相关研究中表现较为良好的MFCC(Mel-frequency Cepstral Coefficie,梅尔频率倒谱系数)语音情感特征的结构特点,以CASIA中文情感数据集作为数据依托,以神经网络往更宽的网络结构发展的趋势作为核心思路,提出一种将MFCC静态特征和全部特征联合训练,从一定程度上加强静态特征表现力的Fractal-Bi Net模型。通过该模型的相关实验可以印证MFCC语音情感特征的静态特征在本文数据集上对识别准确率贡献较大的结论,并且Fractal-Bi Net模型较使用相同基础架构的基准模型在识别准确率方面分别提升了3.334%和1.667%。此外,由于神经网络的另一发展趋势为更深层次的网络结构。进而本文通过对比Res Net(深度残差网络)和Dense Net(密接卷积网络)的结构及深度,结合此前的相关情感研究,认为MFCC语音情感特征与其余一些特征类似在卷积的不同通道中具有一定的情感侧重,进而提出一种以Dense Net网络为基准模型的Cef-Dense Net网络,通过实验证明该网络较基准模型在所选数据集的MFCC特征的识别准确率方面提升了5%。本文以卷积神经网络作模型基础架构,分别通过神经网络向更宽和更深的两个发展方向对相关网络进行改进,相对基准模型均在模型的语音情感识别率方面取得了一定的提升,对语音情感识别领域的研究起到了积极作用。