情感,作为人类认知过程的重要组成部分,在人际交往中至关重要。近年来,随着人工智能和人机交互技术的发展,人们对于情感计算的关注逐渐提升。而语音作为人类最直接的交流方式,在情感交互的过程中起着重要的作用。语音情感识别,旨在通过语音信号处理、模式识别和机器学习等技术从人类的语音中识别情感状态。对于语音情感识别的研究,能够加深对人类的情感产生和表达机制的理解,提高人机交互的和谐性,即提高计算机感知情境、理解人类的情感和意图并做出适当反应的能力。一般而言,语音情感的动态表达本质上是通过语音中与情感相关的动态谱特征和动态韵律特征进行表示的。然而,传统语音情感识别研究通常使用全局声学特征来消除文本差异或高维特征对识别结果的影响,从而丢失了情感语音中所包含动态情感信息。此外,在识别模型层面,通常使用支持向量机(SVM)、深度神经网络(DNN)等非时序模型,这些模型不能很好地直接对时序信息建模,即便使用添加上下文窗的方式,也并非直接利用语音的动态特性。作为韵律特征之一,基频特征携带有重要的情感信息,并且已被多个研究证实其对于多种情感具有一定的区分作用,而直方图能够从一定程度上反映数据的分布。因此,本文首先提出一种基频直方图统计特征,将基频这种韵律特征与直方图结合,以获取基频概率分布信息。此外,双向长短时记忆(BLSTM)作为一种新型时序模型,能够利用过去和未来双向的信息,能够在LSTM的基础上进一步提高对时序信息的利用效率,因此具有较好的分类效果。本文使用了基于分段特征和动态模型的方法用于语音情感识别。首先,在特征层面,基于时间和能量对情感语音进行动态分段,并在此基础上提出基频概率分布统计特征对语音中的局部情感信息进行表示;本文设计了若干组对比实验对其有效性进行验证,实验结果表明,相比于传统的全局特征,使用基于时间的分段方法提取的局部动态信息和基频概率分布特征对于语音情感识别效果更优。其次,在模型层面,本文通过对已有方法进行改进,分别提出基于k均值和BLSTM的语音情感识别方法;实验结果显示,使用BLSTM的动态模型有助于提高语音情感识别结果,进一步证明了情感语音动态信息对于语音情感识别的重要性。