随着计算机行业的不断发展,人工智能走进人们的生活,通过语音实现人机交互正逐渐成为主流的人机交互方式。语音情感识别能够让机器感知人类的情绪,听懂人的情感,在心理健康状态监控、教育辅助、个性化内容推荐、客服质量监控方面都具有广泛应用前景。但目前语音情感识别系统的识别率较低,不足以大规模商用,因此,提高情感识别准确度是一个亟待解决的难题。语音情感识别的系统框架主要包括两部分:语音情感特征提取和情感分类。本文在语音情感特征提取和情感识别网络模型方面做了以下工作:1.提出一种基于语谱图的RGB统计谱图的新特征。在原有语谱图的基础上,首先运用图像处理的方法,对语谱图提取RGB分量,生成新的三种RGB谱图;其次,利用统计学函数对RGB分量图谱进行扩维,生成新的统计图谱;最后,在拥有4层卷积的CNN网络上进行特征有效性验证。仿真实验结果显示,均值谱图识别准确率为57.2%,方差谱图识别准确率为68.1%,最大值谱图识别准确率为54.2%。实验表明本文改进的RGB统计图谱可以实现对语音情感的分类,新特征有效。2.针对语音信号的时序性特点,使用有记忆特性的长短时记忆神经网络进行语音情感分类。针对不同语音特征融合后维度过高的问题,把注意力机制加入到长短时记忆神经网络中,利用注意力机制可以根据不同权重进行选择性特征学习的功能,实现对高维特征的选择性学习。通过对比在不同特征集和网络结构下的识别准确率,验证结合注意力机制的长短时记忆神经网络在情感识别上的有效性。