婴幼儿专家的研究成果表明,婴儿的情绪表达不仅是与外界交流的主要方式,而且是反映其生理和心理需求、心身健康状态乃至智力发育水平的重要信息来源。近年来,婴儿情绪信息的研究已经引起了人们极大的兴趣并成为相关领域正在探索之中的新兴前沿研究热点。从已有的研究工作来看,婴儿的语音信息是最便于准确采集并能体现婴儿独特的语言运动方式和情感表达特征的重要信息,受到了研究学者们的普遍关注。然而,目前尚缺乏统一的婴儿情绪分类方法及相应的语音信息特征描述,特别是对于蕴涵着丰富情绪信息的婴儿笑声和哭声,在其内涵意义的识别与理解上尚未形成统一的看法。本文在作者亲身体验的实践基础上,采用模式识别技术对上述问题作了探索性研究。首先,从婴儿的发生器官结构及其情绪表达特征入手,结合婴儿的主要生理与心理需求和其所处的环境特点,对婴儿的情绪状态分类与相关的语音情绪信息作了分析。然后,通过线性预测参数(LPC)、线性预测倒谱参数(LPCC)和Mel尺度倒谱参数(MFCC)等信号分析的技术参数,对婴儿语音情绪信息的数据采集和预处理过程及相应的特征参数提取方法进行了研究。在此基础上,本文进一步探讨和比较了人工神经网络(ANN)、隐马尔可夫模型(HMM)、动态时间规整(DTW)等方法应用于婴儿情绪信息模式识别的可行性。经过综合比较,本文采用了MFCC参数和DTW方法,针对婴儿最常见的高兴、饥饿、困倦三种典型的身心状态所表达的情绪信息作模式识别研究,并给出了其技术实现方法和实验测试结果,取得了良好的识别效果。本文的研究成果为相关领域的研究工作提供了重要的探索性启发。