语音是人类交流和认识世界的最重要方式之一，其中蕴含的信息仅次于视觉。随着人工智能的高速发展，人机交互成为当下研究的热点之一，让机器具备识别和表达情感的能力成为研究者的目标，语音情感分析的重要性日益突出。
　　在语音情感分析领域，目前常见研究是研究定长的语音情感分析，专门研究变长的语音情感分析的很少，由于语音信号本身长度具有可变性，本文主要研究变长语音信号的语音情感分析。在现实生活中，语音信号的长度基本都是变长的，因此本文的研究具有一定的理论意义和应用前景。
　　在语音信号的特征提取方面，本文研究常见特征：谱特征、韵律特征、声音质量特征。目前大多数研究者采用的是多种特征结合的方式，即融合特征进行实验研究。由于MFCC能有效反应人耳的听觉特性，本文提取的特征是常用的谱特征中的MFCC特征。
　　本文的主要工作如下：
　　（1）研究了语音情感分析的研究背景和意义，归纳了语音情感分析的研究历史和现状，总结了变长序列的语音情感的分析研究现状。
　　（2）对变长序列的语音情感分析提出了两种处理方法，并对方法进行分析，分析其对谱特征、部分韵律特征的影响。
　　（3）设计BP神经网络模型，结合本文提出的变长序列的语音情感分析方法处理语音序列，提取处理后的语音序列的MFCC特征的统计特征作为特征向量，进行语音情感分析。
　　（4）设计卷积神经网络模型，结合本文提出的变长序列的语音情感分析方法处理语音序列，提取处理后的语音序列的MFCC特征，并将MFCC特征的维度调整到指定大小，针对小样本问题，本文结合语音信号的特性对调整后的MFCC特征进行数据增强，然后进行语音情感分析。
　　最后，本文对实验结果进行分析，并与相关研究结果进行比较，得出结论，证明本文提出的变长语音信号处理方法具有一定的参考性。