语音作为人类交流常用的手段之一,蕴含丰富的情感信息,如何让机器通过语音判别人所处的情感状态是人机交互的挑战之一。语音情感识别主要是利用计算机自动识别语音信号中蕴含的情感,是情感计算、模式识别等领域的热门课题之一。然而,语音信号易受环境噪声、说话人身份、语种等因素的影响,使得其情感信息的表征非常困难,极大地制约了语音情感识别模型的泛化性。而跨数据库语音情感识别作为一种特殊的语音情感识别任务,针对训练数据和测试数据来自不同数据库的情形,更符合语音情感识别的实际应用场景。因此,本文针对跨数据库语音情感识别任务,结合领域自适应理论和深度学习方法,从跨领域特征分布匹配的角度展开深入研究。本文的具体工作如下:（1）提出一种新颖的全局局部尺度对抗网络。为了获得更强判别性和泛化性的语音情感特征,网络从语音信号的时序特征进行情感信息建模。针对语音信号的时序性,提出了一种在局部、全局、融合尺度上新颖的语音情感特征的提取方法,该方法融合了手工语音特征、深度语音特征等多种尺度特征的互补优势,能够更好地同时表征不同数据库中的语音信号。同时,还提出一种基于注意力的时序信息建模网络,筛选出与情感相关的语音帧或段,以获得判别性强的语音情感表征。此外,为了消除源域数据库和目标数据库的语音特征分布差异,提出了一种分层级的差异对抗网络,在局部、全局、融合尺度特征层面上协同地消除域间差异,获得泛化性更强的语音情感特征。（2）提出了一种基于条件领域对抗的跨数据库情感识别方法。为了在消除不同数据库中语音情感特征分布差异的同时更有效地保证语音情感特征的判别性,在方法（1）的基础上,将语音情感特征与情感预测信息作为条件信息加入领域对抗学习中,更有效地联系了特征与类别信息。具体来说,建立一个条件判别器用于判别源域-目标域语音特征与语音情感预测之间的互协方差,然后利用情感预测网络从语音特征中预测情感类别,以保证语音的情感判别性。条件判别器和情感预测器以一种竞争的方式协同训练,利用语音特征和预测标签信息之间的关联性表征了语音数据情感类别的结构性,实现了更精确的领域特征分布匹配。（3）构建了一个语音情感识别系统,该系统具有播放语音音频、语音特征提取、语音情感分类等功能。可以对语音数据进行播放,可视化提取的语谱图特征,显示语音情感的识别结果。