语音情感识别是指利用计算机分析说话人的情感状态及变化,进而确定其内心情绪或思想活动,实现人机之间更自然更智能化的交互一种技术。语音情感识别的研究对于增强计算机的智能化和人性化,开发新型人机环境,以及推动心理学等学科的发展,有着重要的现实意义,并最终产生很大的经济效益和社会效益。　　 本文在综述课题研究背景和国内外已提出的流形学习及语音信号情感特征的提取、特征降维识别等方法基础上。主要研究了基于流形学习的语音情感特征降维和情感识别的一些关键问题,提出了一些改进方法,并通过实验进行了有效性验证。本文的主要工作如下:　　 (1)提出基于增量子流行的语音情感特征降维方法。面对高维的语音情感特征参数,如何消除无关和冗余特征并能够实现对测试样本的增量学习是个很重要的问题。本文提出基于增量子流行的语音情感特征降维方法,该方法用LLE将初始的训练特征维数降至目标维数,再用增量子流形学习的方法求得测试样本的低维特征,不但减少冗余信息的影响,而且提高特征的利用率和降维复杂度,最终提高分类识别的准确率。　　 (2)定义半监督情况下的概率距离计算方法,改进流形学习过程中邻域信息的确定方法,使流形学习更加具有泛化能力,并把相关应用扩展与半监督学习结合,为后续半监督语音情感识别起基础铺垫作用。　　 (3)提出基于概率距离流形和图模型半监督学习的语音情感识别方法。重新定义基于标签传递的识别方法中的相关矩阵和向量,并根据算法的需要明确区分概率矩阵和标签矩阵的定义和作用；改进并提出基于概率距离流形学习的半监督识别算法中无标记数据标记确定方法,从而形成了完整的识别方法。为了验证方法的有效性,设计了不同的实验应用于语音情感识别。　　 (4)采用面向对象思想并利用Matlab和VC结合的开发方式,设计实现基于流形学习的语音情感识别原型系统,从应用角度验证了上述方法。