情感识别是人工智能、人机交互等热点应用中的重要组成部分,涉及多学科的综合研究。情感识别研究目的在于让机器更赋予人性化,可以使人们的生活更趋于智能化、简单化,能够构建一种人与机器和谐交互的界面。语音是人类情感传递最精确、最直接的媒介,语音情感识别已成为语音信号处理的重要分支,是人机交互的重要组成部分。本文在分析了语音情感识别技术的相关背景和研究现状后,针对目前语音情感识涉及的几个关键问题,包括音频信号预处理、特征提取、特征选择,以及基于语音信号的情感识别模型展开了相关研究。文中采用序列浮动前向选择策略进行语音信号特征参数的优化处理实验,得到了规模较小、分类准确率较高的语音信号特征子集,在此基础上,提出了一种改进KNN语音情感识别方法,该算法核心思想在于从原始特征参数集中,选取多个维数不同的优化子集,分别对单个优化子集进行距离函数求解,再运用最近邻评判准则进行初次分类判决,最后对初次分类结果进行投票进而获得待测样本对象的情感属性。为了验证提出的语音情感识别策略的性能,本文先后创建了基于MATLAB平台的语音信号分类模型实验和基于微软Azure机器学习平台的语音情感识别实验,通过对标准语料库中的语音信号进行分类实验,以分类标签精确度为评价指标,得到满意的分类结果。本文针对语音信号情感识别中的特征选择及分类策略进行了研究,提出了相应的算法,并进行了实验,获得了满意的结果,为今后在线实时情感识别研究提供了思路,具有一定的理论价值和应用价值。