语音是人们相互交流的重要手段,含有非常丰富的情感语义内容,同时也是人机交互最为方便和直接的方式之一。语音信号中情感信息的识别不仅可以有效地改善人机交互能力,提高人机交互的亲切性和准确性,而且能够在语音层次上解决音视频低层特征与音视频语义内容之间的“语义鸿沟”问题,使得面向情感层的音视频检索成为可能。　　在系统分析国内外相关研究成果的基础上,建立了电影语音剪辑情感数据库,为情感特征的分析和情感识别提供训练和测试样本。为了提取出能够反映人类情感的语音特征,根据人的发音机制以及听觉系统对情感信息感受的机理,通过大量实验系统分析了语音信号中的短时能量、过零率、基音频率、共振峰频率、Mel频率倒谱系数、250Hz以下能量比以及能量和基频抖动等特征在情感分类中的作用,从中筛选出最易于区分情感的特征,构建了两类情感特征向量,并使用主成分分析法对情感向量进行降维处理。设计并实现了一种基于人工神经网络的语音情感识别算法,利用WEKA机器学习工具,将其与现有的几种经典的识别和分类算法进行了对比实验,并对情感向量的有效性进行了测试。　　实验结果表明,特征的选取对语音情感的识别率具有重要的影响,韵律特征和音质特征有助于提高语音情感的识别效果,经过扩充的32维的特征向量在识别效果上明显高于由目前被广泛使用的特征构成的21维的情感向量,人工神经网络模型通过进一步改进和完善可以很好地用于语音情感识别。