随着人机交互技术的发展，语音信号中的情感因素越来越受到广大研究者的重视。提取情感特征是语音信号研究的重要分支之一，针对目前语音情感特征不能有效体现情感特性和情感识别率不高的问题，本文主要做了以下主要工作：1、根据语音的自身特点，本文提取了一些常见的声学特征，比如，基频、共振峰和Mel倒谱系数等，然后，再结合实验分析这些特征的情感特性。实验结果表明这些声学特征确实具有情感特性。2、由于仅仅依靠声学特征对不同的情感语音进行识别所得到的识别率并不是很高，针对这个问题，本文通过经验模态分解（Empirical Mode Decomposition，简称EMD）算法提取语音情感的n阶固有模态函数（Intrinsic Mode Function，简称IMF），然后通过Hilbert变换提取IMF的瞬时频率和瞬时振幅。通过实验分析发现，不同的人在不同情感状态下的同一阶IMF是不相同的，甚至同一个人的IMF也是不相同的。实验结果表明，把所有的IMF作为语音情感识别的情感特征并没有得到最好效果，而是在使用前4阶IMF时识别效果才最好。所以，本文只提取了情感语音的前4阶的IMF，以及其的瞬时频率和瞬时振幅作为新的情感特征。3、本文采用支持向量机（Support Vector Machine，简称SVM）的识别方法对语音情感进行识别，首先，把高兴和生气作为一类，悲伤和平静作为一类对情感语音进行训练和识别，然后再对高兴和生气、悲伤和平静分别进行训练和识别。实验结果表明，该方法识别效果较好，与其他方法相比，识别率有一定地提高。