语音是人类最自然的交流方式。为了更好地实现人机交互,使计算机能够理解人类语言已经成为目前研究的重点方向。语音情感识别指的是计算机通过分析说话者的情感状态及其变化来确定说话人的情绪感触,使得人机交互更加舒适和谐。对语音情感识别技术的研究可以增强计算机的智能水平,有着非常重要的社会价值和现实意义。众多机器学习算法如最大熵、隐马尔可夫、支持向量机等已经应用到语音情感识别中作为情感识别的分类器,并且识别准确率达到了一定水平。然而,这些方法大多是基于大规模语料库的,而训练样本的人工标注是一件很费时费力的工作,尤其是针对语音情感识别的语料库,迄今为止可利用的资源还很有限。因此,如何利用未标注样本中隐含的信息来提高分类器的泛化能力,已经成为一个相当热门的研究领域。主动学习可用于解决监督学习中小样本学习问题,也可用于提高学习效率改善分类器自身性能。基于此,本文将主动学习方法用于语音情感识别,并采用一种改进的信息密度查询策略对样本进行选择。文章中首先录制了相关的汉语情感语音库。接着对语音信号进行了分析以及相应地预处理,选择和定义了相匹配的情感区分特征组作为实验的特征向量。最后,文章在充分分析语音情感识别领域常用算法的基础上,将基于条件随机场模型的主动学习方法用于语音情感识别,并建立了一个基于主动条件随机场模型的语音情感识别原型系统。实验表明在不需要大量的已标注数据的前提下,该方法大大降低了训练时间,情感识别率与传统的有监督学习方法相比也更加理想。