语音情感识别是人机交互技术的重要技术之一,同时也是语音信息处理领域的热门研究之一,在医疗、教育等领域有着非常广泛的应用前景。虽然近几年来深度学习给语音情感识别领域带来了突破性进展,但是如何有效地提取情绪特征、缓解数据不平衡和域适应问题仍然是语音情感识别研究的关键技术问题。因此针对这些关键问题,基于深度学习技术,本文对语音情感识别算法进行研究。本文的主要研究工作如下:(1)针对如何从冗长的语谱图中有效地提取出情绪特征,本文提出了基于时空-频率注意力的语音情感识别算法。作为一种轻量级的注意力机制,时空-频率注意力由时空注意力和频率注意力级联组成。时空注意力通过通道注意力和空间注意力突出语音信息区域,频率注意力通过频率权重和通道权重捕获与情绪相关的频率组合特征。时空注意力与频率注意力相互配合,辅助神经网络从一段冗长的音频中提取到有效的情绪特征。在IEMOCAP等四个公开数据集上的实验表明,本文算法在加权准确度和未加权准确度上取得了一定的提升,并优于最新方法和具有影响力的方法。(2)针对数据不平衡问题和多个数据库合并后的域适应问题,本文提出了基于中心迁移的语音情感识别算法。针对源数据库的数据不平衡问题,本文合并辅助数据库和源数据库,使得源数据库的弱势类别数据比例提高。针对两域数据合并后出现的域适应问题,本文提出了基于中心迁移的语音情感识别算法。它通过域对抗网络降低两域数据的特征分布差异,同时中心迁移网络约束辅助域特征分布中心向源域中心迁移,保证合并后的训练数据与源域的测试数据的特征分布一致,使得辅助域数据能够缓解源域的数据不平衡问题。在IEMOCAP数据集上的多类别分析实验表明,本文算法在一定程度上提升各弱势类别的准确率并优于变长模型,验证了本文算法在缓解数据不平衡上的有效性。通过在多个公开数据集上进行的定量分析、定性分析、模块化有效性分析、可视化分析实验,验证了本文提出的时空-频率注意力和中心迁移网络的有效性。