本研究从医疗、教育、就业等公共事业的特点和发展状况出发,挖掘出现代公共服务领域的隐藏问题,结合目前的社会服务状况研究和分析语言沟通在服务质量中的影响。提出了一种使用计算机智能算法获取当事人的实时情绪状况并且为纠正负面情绪给出意见和建议的方式来提高服务质量。由此引入智能语音识别技术和语音情绪识别技术来扩展和提高公共服务的语言沟通能力,降低沟通成本,减轻沟通时负面情绪的影响等沟通障碍以帮助和改善相关从业人员的工作环境及提高其工作效率,以达到高质量智能服务的水平。本研究使用中文语音情感语料库作为情绪识别的语音库,其中包括生气(angry)、悲伤(sad)、害怕(fear)、惊讶(surprise)、高兴(happy)以及中性(neutral)等6种情绪的不同发音。首先使用梅尔倒谱系数(Mel-scale Frequency Cepstral Coefficients,MFCC)提取声学特征。先对讲话者的语音进行预加重,即在音频传输的开始端将信号通过一个高通滤波器以使信号的高频部分得到增强,并使声道的倒谱分离,再做相应的反变换,从而得到函数的对数谱,由此可计算出共振峰。然后按一定规则对音频进行分帧和加窗处理,使用快速傅里叶变换(FFT)对分帧和加窗后的各帧信号进行处理以得到各帧的FFT频谱,并且将各帧频谱按照时间顺序排列起来,从而得到包含时间、频率及能量三者之间关系的分布图,再加上共振峰,一共四个影响因子,目的是可以较直观的发现语音信号与时间频率的变化。通过梅尔滤波器组从上述的频谱中得到梅尔频谱,对梅尔频谱进行倒谱分析并获得MFCC作为语音特征。使用Teager能量算子(Teager Energy Operator,TEO)信号分析算法做压力和情绪变化的检测,使用隐马尔可夫模型对声谱图进行建模,而后比较合成的语音和自然语音的声谱即可达到训练和评估的效果。最后采用S折交叉验证法,随机地将语音库划分为N个相互之间没有交集的集合,且每个集合的大小应相等,再从相等集合中抽取N-1个集合作为训练数据集来训练模型,最后使用剩下的数据作为测试数据集。迭代执行可能的N种选择,最后选出N次评测中平均测试误差最小的模型。