抑郁症是一种以情绪低落和兴趣丧失为核心症状的精神类疾病。有着极高的患病率与致死率,迫切需要有效的治疗手段。然而,稀缺的医疗资源以及社会对精神类疾病的误解导致抑郁症就诊率偏低,许多抑郁症患者未得到及时的专业指导与治疗。目前,抑郁症几乎唯一的诊断方法是通过量表评测,该方法又因为对患者的病情表述能力、求诊欲望以及医生临床经验有着比较高的要求而存在较大的误诊几率。多年来,研究者一直在寻求一个客观有效、非侵入性且与心理相关的可观测、可量化信号,以帮助临床医生更加准确的掌握患者的病情。语音信号以其易获取、非侵入、使用限制少等优势,吸引了众多研究人员的关注。根据临床医生记录,抑郁症患者行动和言语速度有变慢的迹象。言语速度的变慢可以通过语音信号中的时间特征表述。因此本文围绕语音信号中的时间特征展开研究。具体贡献如下:1、设计了以言语方式和情绪刺激为主要因素的数据采集实验,历时三年,已采集673名被试的语音数据。为抑郁人群语音信号的分析提供了数据基础。2、构造了9个时间特征,用于衡量语音中发声时长、无声时长等信息。结果表明,抑郁症患者语音中的无声时长显著长于正常人群。药物治疗可以使两类人群无声段时长的差异变小。因此无声段时长或许可以成为检测抑郁症患者的一个生物指标。3、在构建的抑郁识别模型上,对比了时间特征子集与语音信号有声部分的语音特征子集,证明了时间特征子集的有效性。在男性被试的数据集上,时间特征子集的分类效果明显好于前人构造的语音特征,在一期数据和二期数据中,时间特征模型比语音特征模型的正确率分别提高了6.1%和9.2%。本文中,我们构造了时间特征来表述语音中的无声时长、发声时长等信息,实验结果显示,语音信号中的时间特征在抑郁人群与正常人群之间确实存在差异。在将来的研究中可以考虑充分利用语音信号无声部分所携带的信息,提高抑郁症患者的识别率。