随着信息技术的发展和人机交互研究的深入，实现计算机智能识别人类情感变得越来越重要，它也是实现人工智能的基础。语音信号是人与人之间交流的重要方式之一，它的作用不仅仅是传递语义，而且它还承载了说话者的个人情感特征。语音情感识别是一个涉及多学科交叉的研究领域，它在实际的生产生活中具有广泛的应用前景。　　本文主要对基于核方法模型的语音情感识别进行了研究，回顾了语音情感理论的研究历程和发展历程，构建了汉语语音情感库，分析了常用的语音情感特征和降维方法，并且将改进的核方法用在情感识别当中，提高了情感识别的准确度。　　论文的主要工作和创新点如下:　　(1)简述了语音情感识别的研究背景和研究意义，对情感的定义、语音的产生过程、以及常用的情感特征和识别模型等进行了概括和总结。　　(2)录制了实验室的五种基本情感的汉语情感语音库，其中包含了愤怒、害怕、悲伤、中性、高兴五种情感，并经过听辨实验保证了数据的可靠性和有效性，该语音库为后续的实验提供了实验素材。对语音数据进行了预处理，提取了情感特征，包括能量、基音频率、Mel频率等参数，组成了情感特征矢量，用于后续的情感识别实验中。　　(3)针对一般的主元分析只能解决线性可分的样本分类问题，引入核函数变换，将数据映射到高维空间后再进行主元分析，提高了识别效率;由Fisher线性鉴别分析的原理，引入了典型相关分析(CCA)和核主元分析相结合的方法解决类内散度矩阵奇异的问题，实验证明该方法对于情感识别具有良好的识别效果。　　(4)研究了支持向量机与核方法相结合的语音情感识别，将核方法应用到支持向量机上能够使分类器的性能更加强大。由于奇异或者含有噪声的样本可能会影响超平面方程的训练，出现过拟合的情况，通过PIM（partition index maximization）训练算法引入模糊因子，改进基于核方法的支持向量机，将PIM-FSVM应用到情感识别之中，从而减小过拟合的发生概率，改善了分类器的性能。　　(5)由于核函数的形式对于情感识别的有着很大的影响，因此针对高斯径向基核函数，引入评判标准，根据样本训练得到不同参数的核函数，从而提高分类性能。引入多核技术，针对L1 MKL存在的不足，通过利用松弛因子构建软间隔的多核(MKL)的目标函数，采用迭代算法求解组合系数和超平面方程。同时提出了将上述两种方法结合，将训练出来的高斯核函数用于构建MKL的基核，用于语音情感识别中，对比实验验证了该算法的良好效果。