情感语音识别的基本环境是传统的机器学习方法，即使用特征参数有监督的训练模型，然后使用测试集进行识别。常用的、也比较简单的就是：支持向量机SVM。该识别网络性能较好，且学习资源较丰富，还有matlab的工具箱。需要下载工具包，设置路径添加到MATLAB中即可使用。
关于LibSVM工具箱的下载及其安装教程有很多，就不介绍了。设置路径教程如下，不用使用命令窗口等麻烦的工序，具体操作如下（以Matlab2015b为例，其他版本的也是一样的操作）：
1、在matlab的安装路径下寻找到toolbox，将你下载的LibSVM工具箱的文件放在以下路径中。
注意：不建议把Matlab装在C盘，因为MATLAB占用空间和内存较大，放在C盘容易让电脑很卡。由于本人是接用别人的电脑，本身电脑空间较大，就懒得更换了。
2、设置路径：在HOME下寻找到Set Path单击：
弹出以下窗口，根据添加文件的性质选择按钮1或者2，然后点击Save，接下来点击Close就可以直接调用工具箱中的函数了。
添加成功之后，可以使用下面的函数测试一下：（注意：help 在MATLAB中超级好用，使用help可以很快的了解到你使用的函数）
help buffer2如图是：1，表示没有添加成功；2，表示添加成功
接下来介绍：SVM的情感语音识别
首先，将测试集的特征数据与标签分开存放在：train_data与train_label中，注意数据要与标签对应起来，这里的train_data与train_label存放的是多种情感的特征数据与标签。关于测试集test_data与test_label与训练集相类似，代码如下：
[label1,data1]=libsvmread('happy_train.txt');
[labels1,datas1]=libsvmread('happy_test.txt');
[label2,data2]=libsvmread('sad_train.txt');
[labels2,datas2]=libsvmread('sad_test.txt');
[label3,data3]=libsvmread('neutral_train.txt');
[labels3,datas3]=libsvmread('neutral_test.txt');
[label4,data4]=libsvmread('angry_train.txt');
[labels4,datas4]=libsvmread('angry_test.txt');
train=[data1;data2;data3;data4];
train_label=[label1;label2;label3;label4];
test=[datas1;datas2;datas3;datas4];
test_label=[labels1;labels2;labels3;labels4];livsvmread很强大的一个函数，可以直接将.txt文件中的第一列标签与后面的特征数据分开来：
然后使用以下两个函数进行参数寻优，最后寻得最优的两个参数：bestc与bestg
[train_final,test_final] = scaleForSVM(train,test,-1,1);
[bestCVaccuracy,bestc,bestg] = SVMcgForClass(train_label,train_final)最后建模并进行预测：（这里的9.1896余0.0068是前面寻优得到的参数，把对应的参数填写在这里）
model=svmtrain(train_label,train_final,'-c 9.1896 -g 0.0068');
[predict_label,accuracy]=svmpredict(test_label,test_final,model);