情感和情绪在人类生活中起着很重要的作用,是自身生活和社会交往不可缺少的重要组成部分,而语音信息则是传递情感信息最直接的方式。随着现代科学的发展,人们对人工智能的要求也越来越高,对情感信息的处理已经成为人工智能发展的一个重要研究方向。在传统的语音信号处理过程中,计算机并没有被赋予理解操作者情绪的能力,只局限于理解语音信号的表层符号信息,更不能实现类似人类之间交流的情感互动,而语音情感信息处理这个研究方向的最终目的就是要赋予人工智能类似人一样的观察、理解语音信号中的情感信息,以及表达各种情感的能力,它是综合听觉生理学、心理学、认知科学以及与信息处理等多学科的研究课题。论文首先概述了课题的研究背景以及语音情感处理的发展历史,并简单回顾了情感空间的界定方法和人机通信中情感语音处理技术的研究发展现状。通过对语音信号处理的深入研究,选取了适用于本实验的语音情感参数。论文中采用基频构造参数、能量构造参数、时间构造参数和共振峰构造参数作为分析用的基本韵律特征参数,对德语情感语音样本库和普通话情感库进行参数提取,分析。在模式识别方面,对比使用了三种方法:经典的主元分析法(PCA),基于模糊隶属函数的模糊模式识别法和高斯混合模型法(GMM)。并对模糊模式识别方法做出了改进,将PCA的最大可分性原理运用到参数有效性分析上,获得了不错的效果,平均识别率达到80%以上。