张会云，黄鹤鸣*，李 伟

(1.青海师范大学计算机学院，青海 西宁 810008;2.藏文信息处理教育部重点实验室 青海 西宁 810008;3.青海省藏文信息处理与机器翻译重点实验室，青海 西宁 810008)

1 引言

随着语音识别技术的迅速发展，以计算机、手机、平板等为载体的人工智能研究日新月异。各种人机交互不再局限于识别特定说话人语音中的单一音素或语句，如何识别语音中的情感已成为ASR领域的新兴研究方向。语音不仅包含说话人所要表达的语义信息，也包含说话人蕴含的情感状态，对语音情感的有效识别能够提升语音可懂度，使各种智能设备最大限度理解用户意图，达到人性化水平，从而更好地为人类服务。

语音情感识别(Speech Emotion Recognition， SER)指利用计算机分析情感，提取出情感特征值，并用这些参数进行相应建模和识别，建立特征值与情感的映射关系，最终对情感进行分类。语音情感数据库是进行SER研究的基础。优质的语音情感数据库对SER系统性能的提升具有重要作用，所谓优质是指数据库中的每条语句都能真实确切地表达出说话人的情感状态。因此，多样化、大规模、高质量的语音情感数据库是保证SER顺利进行的第一步。

2 相关工作

SER系统包括语音情感数据的获取和预处理、语音情感特征提取与选择、声学模型训练以及分类决策4个阶段[1]。语音情感数据库相关内容第3部分会详细介绍，下面着重介绍语音情感特征提取与分类算法。

特征提取：SER是一项有挑战性的任务，对情感的识别依赖于语音情感特征分类的有效性。……