信息技术的快速发展使得人类与计算机的关系日益密切,智能人机交互已成为人工智能领域内的研究热点之一。情感识别作为智能人机交互的关键技术之一,在其中也扮演着重要角色,对其研究也在如火如荼地进行。由于语音是情感表达的有效途径,因此智能计算机对语音的情感识别能力就成为情感识别研究中的重点。本文首先对语音情感识别的背景及应用领域做了介绍,然后对语音情感识别关键技术的研究现状及目前遇到的问题进行了总结,对语音情感识别的研究进展和研究成果进行了综述。本文在参考现有情感语音录制方法的基础上,构建了情感语音数据库,并对语音信号进行了一系列预处理操作,对语音情感特征进行了分析和提取,确定了用于本文研究的11种情感特征参数。语音情感识别在本质上属于模式识别的分类问题。采用传统的有监督机器学习方法进行情感分类时,需要在很大的训练集上建立待标注概念的统计模型,从而保证所得到的分类器具有良好的推广性能。而训练样本的人工标注是一件很费时费力的工作,尤其是针对语音情感识别用的语料库,迄今为止可利用的资源又很有限。半监督学习是一种利用未标注样本中隐含的信息来提高分类器泛化能力的方法,在很多领域中已得到广泛应用。它能够有效地减少制作语音情感识别语料库时所必须的手工工作量。基于此,本文将半监督学习方法用于语音情感识别。以条件随机场模型为初始分类器,通过自训练算法,对未标注样本进行标注选取置信度较高的数据加入到训练集。通过循环迭代得出最终的语音情感识别分类器。本文采用该方法进行了语音情感识别,并将它与有监督的机器学习方法进行了对比实验。实验结果表明,该方法具有较好的整体识别性能,能有效提高语音情感的识别率。