语音情感语料库构建困难,会存在情感标签错误指定的问题,目前国内外学者所使用的语音情感语料库是在无噪环境中进行录制和处理的,使得实验结果与实际结果相差较大。针对这些问题,本文将CASIA情感语料库与四种常见背景噪声按照一定的信噪比进行合成,得到四种带噪数据集。但较强的噪声干扰会导致情感分类较为模糊,采用语音增强算法对所选取的部分带噪数据集分别进行降噪处理,分析降噪后的实验结果,选取NLMS算法对四种带噪数据集进行降噪处理,得到了存储在计算机中的类似音频文件,即为本文所需的实验数据集。现今,语音特征提取方法应用在无噪环境中较为广泛,且识别精度较高,但在噪声干扰的环境下识别精度较低,并不具有一定的应用价值。针对以上情况,本文提出了一种新的语音情感特征提取方法,即线性预测基音频率特征提取方法,并设计了基于线性预测基音频率、LPCMCC的语音情感识别实验,得出了线性预测基音频率下的情感识别精确度平均最高可达62%,LPCMCC下的情感识别精确度平均最高可达70%,LPCMCC的实验数据比线性预测基音频率要高出8%。实验结果表明,线性预测基音频率特征提取方法应用在语音情感识别上的精度较低,抗噪性较弱。因此,采用LPCMCC来对线性预测基音频率特征进行改进,并设计了基于改进线性预测基音频率的语音情感识别实验,得出了语音情感识别的精确度平均最高可达83%,比线性预测基音频率、LPCMCC各高出31%、19%。实验结果表明,改进线性预测基音频率特征提取方法在语音情感识别领域能够较大地提高精确性和抗噪性。为了验证改进线性预测基音频率在实际应用中的广泛性,设计了一种基于MATLAB GUI技术的语音情感识别系统,主要实现功能为音频文件的导入、波形显示、语谱图显示、语音端点检测、语音增强、特征提取、SVM识别结果、退出系统。系统设计完成之后,导入语音文件来测试系统性能。对比实验结果可得,改进线性预测基音频率特征提取方法不仅保留了LPCMCC的听觉特征,且增加了语音信号的声学特征,并提高了语音情感识别的精确性、抗噪性,在实际生活中具有一定的应用价值。