抑郁症是一种常见的精神障碍,其主要特征为情绪低落、兴趣减退等。由于其较高的患病率和复发率,引起公众的广泛关注。目前,抑郁症的检测方法主要是基于经验丰富的医生的诊断和抑郁量表,这些方法都过于主观且相对不够准确。再加上人们对于抑郁疾患的偏见,使得抑郁症的就诊率和治疗效果都比较差。为此,找到一种客观、有效且适用性高的抑郁症检测方法显得尤为重要。语音以其非侵入,低成本,易获得等特点,使基于语音信号的抑郁识别建模研究逐渐成为学术界的研究热点。大量的研究发现,与正常群体比较,抑郁症患者在语音声学特征方面存在音调较低、语速较慢、语调单一和停顿较长等特点,可以作为抑郁症检测的客观指标。由于抑郁倾向属于抑郁症的前期表现,且抑郁倾向个体在当下社会生活中比抑郁症患者占比更高。因此,若能对抑郁倾向个体早期干预并进行情绪调节,便可以降低抑郁症的患病率。基于此,本文首先从心理学视角,建立抑郁倾向语料库,其次运用卷积神经网络算法解决抑郁倾向个体的识别问题,最后针对数据量少的问题,采用数据增强等方法进行数据扩充。本文的主要研究内容和创新如下:1.采集抑郁倾向语料。从心理学角度出发,利用心理学经典范式,设计了文本朗读（词汇朗读和短文朗读）、访谈和图片描述三种言语方式。每种言语方式包括正性、中性和负性三种情绪刺激（短文朗读只有中性情绪）。录制了50名在校大学生的语音数据,每名被试10段语音,共计500段语音,以此构建了抑郁倾向语料库。2.实现基于语音信号的抑郁倾向识别。本文将语音转化为语谱图,将语谱图作为卷积神经网络的输入实现基于语音信号的抑郁倾向识别研究。在此基础上,主要研究不同言语方式和不同情绪状态对分类的影响,并对整体、男性和女性语音分别进行实验。实验结果表明,在不同言语方式下,自发语音识别效果高于朗读语音,整体实验中图片描述的识别效果最好,男性和女性实验中访谈的识别效果最好;在不同情绪状态下,整体和女性实验中负性情绪的识别效果最好,而男性实验中中性情绪识别效果最好;在所有言语方式和情绪状态下,女性的识别效果都明显高于男性。3.扩充抑郁倾向语料。为了解决实验数据量较少带来的问题,本文采用两种数据扩充方式增加数据量:（1）在抑郁倾向语料中加入悲伤、焦虑和恐惧三种最接近抑郁倾向语音的负性情感语料;（2）对抑郁倾向语音的语谱图进行图片的数据增强,使得在较小样本的数据集上可以达到更好的分类效果。实验结果表明,在抑郁倾向语料中加入负性情感语料以后识别率并没有明显提高,但进行图片增强以后识别结果提升了7.63%。