音乐作为一门艺术，是人类生活中不可缺少的一部分。从古至今，音乐一直是人类表达情感的一种特殊渠道，其丰富的表现方式、细腻的情感分类，无不使其令人向往与喜爱。于是，对于音乐的情感分析成为了一个重要的课题。而随着信息时代的到来，通过计算机对音乐情感的分析也开始进入人们视野。音乐情感分析模型一般可分为三个部分：音乐特征模型、音乐情感模型和分类认知模型。音乐特征模型由从音乐中提取的特征组成，本文提出了一些新的特征。情感模型主要描述情感的分类，本文选取了Hevner情感环，并对其做了略微的修改。分类认知模型选取了BP神经网络模型。相比于以往的工作，本文主要在音乐特征模型方面做出了创新。音乐中的情感受到很多音乐特征的影响，如音乐的旋律走向、音乐的低音部走向、整体速度、音符速度和强度等等。为了分析音乐的情感，从音乐中提取适当的特征，继而以此为基础建立适当的模型就变得非常重要。本论文提出了一些新的特征，这些特征主要可以被分为两个部分。其一引用了音乐面积的概念。通过计算得到单位时间的音乐面积值，形成一个描述音乐整体走向的数值序列，并利用公式对该序列进行统计。其二，将音乐分为高、中、低频三段，得到三个音符序列，同样，对这三个序列分别进行统计分析。在情感模型方面，本文对Hevner情感环的使用提出了新的方法。除此之外，本文考虑了音乐的特性，提出了基于个人的情感分析方法。实验结果表明，本文提出的方法有较高的准确率。在文章最后，对实验结果进行了讨论，并对未来的工作提出了展望。