随着机器人技术的不断发展，人与机器人的语音交互也越来越频繁，如何使机器人在人机对话中识别人类的情感状态并作出相应的反应是现今机器人及其人机交互研究的热点。机器人产品的不断涌现，使得人们不再满足于机器人只做简单的体力劳动，而是期待在日常工作和生活中与机器人进行更加自然的人机交互体验，对于与人朝夕相处的家庭服务机器人而言，人们对它的情感识别能力提出了很高的要求。家庭服务机器人的情感能力现成为智能机器人技术的研究热点。本文基于现有情感交互平台，针对家庭服务机器人等利用单一类情感特征进行语音情感识别的缺陷，提出情感特征分类的思想，并将其用于普通话语音情感识别，主要的研究工作有：1.分析情绪基本理论和情绪分类现状及建立语音语料库的方法，确定实验所研究的情感状态。按相应规则选择语料，利用诱导法和剪辑法建立数据库，进行辩听实验，确定实验用语音语料库；分析常用情感特征的特点，提取了基音、短时能量、共振峰、MFCC和LPCC等情感特征，并根据其情感识别效果和人类发声规律对情感特征进行对比分析，将情感特征分为声学特征和听觉特征两类。2.针对传统D-S证据理论的缺陷和语音信号本身的特点，提出动态先验权重和利用证据信任度信息熵计算的后验权重的证据加权方法，对传统证据理论进行改进。利用改进D-S理论和HMM模型进行语音情感识别实验，对情感特征分类思想进行验证。3.根据模糊神经网络在语音情感识别领域应用的局限性，提出利用减法聚类算法确定模糊规则数，根据现有减法聚类算法及其改进算法的性能，在减法聚类中引入了样本距离指数的概念，进而提出非均匀数据归约减法聚类算法。4.基于非均匀数据归约减法聚类算法，提出两种语音情感识别方案。将HMM、FNN和证据理论进行了相应的组合用于语音情感识别实验中。提出了基于HMM和FNN的识别方法，利用HMM获得的样本似然概率作为FNN的输入，利用特定的模糊规则进行模糊推理；提出了基于MANFIS和证据理论的识别方法，MANFIS模型实现便，需要很少的训练时间，能自动生成模糊规则，具有很强的扩展性，该方法获得了63.3%的平均识别率。5.利用MATLAB建立语音情感识别子系统仿真平台，实现了预处理模块、训练模块和识别模块的设计。