如何使计算机正确识别、理解和表述人类语音中的情感信息是人工智能领域是主要研究方向之一。在语音情感识别中,选取合适的情感识别模型是实现情感有效分类的关键之一,但是当前所使用的情感识别模型大多是对情感进行单独划分,并没有考虑到情感之间的相互影响。人类的情感不是独立的,而是以系统的方式相互关联。PAD三维描述模型在维度空间中从愉悦度、激活度以及优势度三个方面描述不同情感,因此,提出用PAD情感维度预测值表征情感之间的关联度,使用PAD情感维度预测值计算关联认知网络的权值,结合多层限制玻尔兹曼机构建深度情感关联模型,实验结果表明,本模型在TYUT2.0情感语音数据库的识别率达到80.85%,在EMO-DB情感语音数据库识别率达到95.74%,是一种可以有效进行情感分类的模型。本文主要研究内容如下:（1）使用PAD情感维度预测值计算情感之间关联度。因不同数据库甚至同一数据库中不同语句的PAD值都是不一样的,如果仅固定使用PAD值（基本情感PAD值）表示情感之间的关联程度会对识别效果造成影响,因此,提出使用PAD情感维度预测的方法针对不同情感语句进行PAD预测,并用预测值计算情感之间的关联程度,将情感关联度作为关联认知网络的权值。通过实验证明其有效性,实验结果表明,使用PAD预测值计算关联认知网络权值的方案在TYUT2.0和EMO-DB的识别率分别为76.60%、91.49%,使用基本情感PAD值计算关联认知网络权值的方案在TYUT2.0和EMO-DB的识别率分别为72.34%、87.23%。实验结果证明,使用PAD情感维度预测值可更好的表示情感之间的关联性。（2）深度情感关联模型超参数优化。为避免深度情感关联模型超参数设置的盲目性,提出使用遗传算法对模型的限制玻尔兹曼机隐含层节点数、动量因子、学习率、多层限制玻尔兹曼机的训练次数以及关联认知网络的训练次数等超参数寻优,并通过对比方案证明其有效性。实验结果表明,使用遗传算法优化模型超参数的方案在TYUT2.0和EMO-DB的识别率分别为78.72%、93.62%,根据经验调参的方案在TYUT2.0和EMODB的识别率分别为72.34%、87.23%。实验结果证明,使用遗传算法对深度关联模型超参数寻优可有效提升模型识别效果。（3）深度情感关联模型的改进。为进一步优化深度情感关联模型的结构,从语音信号时序信息入手,引入可捕获语音信号时序信息的门控循环单元,构建GRUs-ICN模型。实验结果表明,在同使用PAD预测值计算情感之间关联度和手动调参的条件下,GRUsICN模型的识别率为76.71%,深度情感关联模型的识别率为76.60%。实验结果证明,情感语音信号的时序信息有利于语音情感识别。