语音是人类最基本、最重要、最快捷的信息交流传播方式。语音中不仅包含着说话者表达的内容,还包含着说话者丰富情感信息。随着大数据时代的到来,语音情感识别成为非常活跃的研究领域,在人机交互系统方面具有潜在的应用。语音情感识别作为人机交互系统的重要组成部分,其目的是通过直接的语音交流与机器形成情感互动。但是,由于情感的复杂多样性,语音情感识别是一项非常具有挑战性的工作。在语音情感识别研究中,研究主要内容是提取判别性特征和搭建高性能分类模型。本文根据这两项研究内容展开研究,提出了基于加权特征融合算法的深度卷积神经网络（DCNN）模型以及基于改进的遗传模拟退火算法（GSA）优化语音情感识别系统。首先,针对分析语音情感识别技术的局限性和不足之处,提出了本文的研究内容,并介绍相关理论知识,主要包括情感语料库、语音信号预处理技术、特征参数的提取方法、特征降维策略以及常用的分类模型,为后续深入的研究提供技术支撑。其次,传统的声学特征参数只能体现语音情感信号在时域或者频率上的特点,不能够识别情感中微小的差距,而在语音情感识别研究中,具有高度相关性的特征是决定情感识别性能的因素之一。因此,在典型特征基础上,主要包括梅尔频率倒谱系数（MFCC）、对数能量系数（LFPC）、以及其一阶、二阶差分系数、TEO算子和语谱图等,本文提出一种加权系数融合特征算法,使这些特征性能互补,将其融合得到横轴与持续时间相关,纵轴与频率相关的二维三通道声谱图。将经过处理的声谱图输入到DCNN中,进一步挖掘更深层特征,将深浅层特征融合在一起,得到更具有表现力的特征参数,利用Softmax分类器实现情感分类。通过实验仿真发现,在EMO-DB语料库中,所提出的加权融合特征较目前广泛使用的语谱图特征识别结果提高了9.05%,较其他特征提高的平均值达到23.5%;在IEMOCAP语料库中,较其他特征提高的识别率平均值为10.76%。最后,传统的DCNN学习方法主要采用梯度下降算法进行学习,该算法性能的好坏受卷积神经网络的初始权重的影响较大。对于DCNN训练学习,实质上就是对求解权重的学习。为了解决这一问题,本文结合遗传算法（GA）和模拟退火算法（SA）的优点对其优化,并提出一种温度可变系数方法对SA进行改进。实验结果表明,在EMO-DB语料库中,改进后的算法比原算法的平均情感识别率提高了6.5%;在IEMOCAP语料库中,平均情感识别率提高了9.89%。