语音作为人类日常生活中最重要的交流方式之一,蕴含着丰富的情感信息。为了使人与机器的交互能够更加自然与智能,越来越多的学者开始关注与研究语音情感识别的相关内容。虽然在近几十年中,对语音情感识别的研究取得了很大的进步,但是在现有的语音情感识别系统中,仍然缺少能够准确识别语音情感信息的情感特征。因此,对语音情感特征提取技术的研究,仍是目前研究的重点,提取更加具有代表性的语音情感特征,提升语音情感系统的识别准确性对于人机情感交互有很高的现实意义。对此,本论文主要进行了如下的研究工作:（1）提出了一种基于决策层幂指数加权的多特征融合方法。目前研究学者大多采用特征级联的方法进行情感特征融合,忽略了特征间信息的差异性;也有少数学者采用基于简单加法或乘法规则的决策级融合方法,该方法在分类器识别效果相差不大时,无法很好的发挥决策融合的效果。针对上述情况,本文提出了一种基于幂指数加权的决策级融合方法,引入幂指函数计算权重系数,从而对权值进行重新分配,使得性能较好的分类器得到较大的权重,从而提升最终的识别效果。在CASIA中文语料库上的实验表明,该方法相比于常用的特征级联方法,识别效果较好。（2）传统的情感特征提取方法均假定语音是短时平稳信号,而实际语音信号是非线性非平稳的。针对上述情况,本文选择集合经验模态分解（EEMD）算法对非线性非平稳信号进行处理,在EEMD算法的基础上提取了一种本征模态函数（IMF）能量熵特征,记为IMFE特征。语音情感信号经EEMD分解得到一组本征模态函数（IMF）,通过Spearman Rank相关系数筛选出与语音情感信号相关度较高的IMF分量,并计算IMF分量的能量熵（IMFE）作为新的语音情感特征。在CASIA中文语料库上进行识别,并与传统的声学特征、MFCC特征进行对比,结果表明所提的IMFE特征可以有效识别情感,且对负面情感的识别效果更优。（3）针对目前相对较少的基于时频结合的谱图特征领域,提出了一种基于Gabor灰度图像谱的改进完全局部二值模式（GGCLBP）特征提取方法。提取语音情感信号的语谱灰度图,采用Gabor变换放大语谱灰度图的局部纹理信息,得到Gabor灰度图像谱,再采用改进完全局部二值模式的方法提取Gabor灰度图像谱的纹理特征信息,构成GGCLBP特征。在CASIA中文语料库上进行识别,结果表明相比传统声学特征,GGCLBP具有较高的识别效果,并且具有较好的融合性。