语音情感识别是情感计算领域的重要研究课题,是实现智能化人机交互的前提之一。语音情感识别的研究目前还处于一个起步阶段,对于如何提高识别速度和识别率已成为情感计算领域中不容忽视和亟待解决的难题。传统的语音情感识别中提取的特征参数主要有基音参数、短时能量、振幅、语音信号傅立叶变换频谱特征、语速等。与传统方法相比,寻找能够反映语音情感特征的参数,以实现提高语音情感识别的识别率和识别速度。本文首先进行了特征参数提取的研究,选取语音信号韵律特征和音质特征共同作为情感识别的特征参数,利用新加入分形盒维作为语音信号的新特征参数,分形维则使用盒维的计算方法提取。针对含有为高兴、愤怒、悲伤、害怕和中性五类情感的语音信号,分析了语音信号的韵律特征和音质特征,找出了不同语音情感特征参数的分布规律。本文采用竞争学习机制、梯度下降法和删除策略相结合的算法,得到了合适的隐层节点数、聚类中心及其宽度、隐层与输出层的连接权值。实现了基于RBF神经网络建立了一个语音情感识别系统,同时还训练了一个BP网络和概率神经网络进行了对比试验,从实验结果可以看出,采用基于RBF神经网络的情感识别在识别率和识别速度上都有了明显的提高。