Аннотация. В данном исследовании представлен инновационный метод классификации эмоциональных состояний по речевым сигналам, использующий передовые технологии обработки сигналов и машинного обучения. Предлагаемый метод включает в себя многоступенчатый подход, включающий извлечение, выбор и классификацию признаков. Сначала из речевых сигналов извлекаются ключевые акустические признаки, такие как высота тона, интенсивность, форманты и частотно-мелодические кепстральные коэффициенты (MFCC). Затем применяются методы отбора признаков, чтобы определить наиболее значимые признаки для различения различных эмоциональных состояний. Классификация осуществляется с помощью комбинации алгоритмов контролируемого обучения, включая машины опорных векторов (SVM), искусственного интеллекта и нейронные сети. Для оценки эффективности разработанного метода был использован обширный набор данных, включающий различные записи эмоциональной речи. Набор данных включал в себя различные эмоциональные состояния, такие как счастье, печаль, гнев, страх и нейтралитет. Производительность моделей классификации оценивалась с помощью стандартных показателей, таких как точность. В заключение следует отметить, что разработанный метод представляет собой надежное и эффективное решение для классификации эмоциональных состояний по речевым сигналам, имеющее потенциальное применение в таких областях, как взаимодействие человека и компьютера, мониторинг психического здоровья и аффективные вычисления. Будущая работа будет направлена на дальнейшее совершенствование модели путем включения более разнообразных наборов данных и изучения возможностей реализации в реальном времени.

Ключевые слова: классификация эмоционального состояния, речевой сигнал, извлечение признаков, машинное обучение, нейронные сети, человеко-компьютерное взаимодействие, эмоциональное вычисления, ИИ.