随着人工智能（Artificial Intelligence,AI）技术的快速发展,语音情感识别技术已经成为当前的研究热点。在语音情感识别技术中,情感特征的区分性和分类器模型的鲁棒性是影响系统性能的主要因素。为了提升语音情感识别系统性能,本文从提取高区分性的情感特征和构造鲁棒的分类器模型两个角度出发,提出了基于多尺度特征融合和多任务学习的语音情感识别方法以及基于决策树CNN和多任务学习的语音情感识别方法。具有的研究工作如下:（1）本文首先介绍了语音情感识别技术的研究背景和研究现状。然后总结了语音情感识别系统的基本架构,并且介绍了系统各模块所涵盖的相关知识,包括语音情感数据库、语音信号预处理技术和常用的情感特征。最后介绍了全局统计量计算方式、特征预处理技术以及深度学习相关理论等,为后续研究工作奠定基础。（2）由于在不同尺度帧长下所提取的情感特征具有差异性,融合多尺度特征可以充分利用特征的多样性。为了更全面地挖掘语音信号中的情感信息,本文提出了基于多尺度特征融合和多任务学习的语音情感识别方法。首先,对语音信号进行预加重、分帧、加窗和端点检测等预处理。然后,在不同尺度帧长下提取MFCC及其一阶差分动态特征、能量、基音频率和短时过零率。之后,对每种尺度帧长下的多类情感特征计算统计特性以表征语音情感的全局统计特性。最后,将多个尺度帧长下的统计特征进行融合。另外,本文构建了一个基于多任务学习策略的卷积神经网络（Convolutional Neural Network,CNN）模型,在CNN模型中加入语音性别分类作为辅助任务,基于多任务学习策略使语音情感分类主任务学习到有利于情感分类的特征,提高模型的泛化能力。在EMO-DB和CASIA情感数据库上的实验结果表明,基于多尺度特征融合和多任务学习的语音情感识别方法可以有效提升语音情感识别性能。（3）在基于多尺度特征融合和多任务学习的语音情感识别方法中,语音情感识别率很大程度上受某几类易混淆情感的影响。针对此问题,本文提出了基于决策树CNN和多任务学习的语音情感识别方法,通过所构建的决策树模型实现由粗到细地对情感进行有效划分,进一步提升易混淆情感的识别性能。首先,根据情感混淆矩阵计算情感之间的混淆度,然后,根据情感混淆度构建决策树模型并将情感划分到不同的小组。最后,针对不同的情感小组,构建针对该情感小组的多任务CNN模型,并对多任务CNN模型中的多任务学习超参数进行优化。在CASIA情感数据库上的实验表明,基于决策树CNN和多任务学习的语音情感识别方法相较于基于多尺度特征融合和多任务学习的语音情感识别方法在识别率上有明显地提升。