چکیده: یکی از موضوعات مهم در تعامل میان انسان و کامپیوتر، ایجاد سیستمی است که بتواند مانند یک انسان بشنود و عکس‌العمل مناسب نشان دهد. سیگنال گفتار علاوه بر متن گفته شده، حاوی اطلاعات و ویژگی های مهمی راجع به گوینده از جمله سن، جنسیت، لهجه، گویش، میزان سلامتی و احساسات و استرس گوینده نیز است. یکی از زمینه هایی که می تواند به نزدیک شدن به این هدف کمک نماید، برقراری ارتباط کلامی بین انسان و ماشین و همچنین درک احساسات انسانی از سوی ماشین و ارائه واکنش مناسب به آن است. این امر منجر به طراحی سیستم تشخیص خودکار احساس از گفتار شده است. اکثر تحقیقات این حوزه براساس طبقه‌بندی نمونه‌ها در کلاس‌های گسسته و یا فضای پیوسته احساسی طراحی و پیاده‌سازی شده‌اند. یکی از چالش های این مساله انتخاب مدل نمایش احساسات کاراتر و انتخاب یک مجموعه ویژگی موثر در طبقه بندی احساسات در هر دو فضا است. از این‌رو در این رساله یک نگاشت بین این دو فضا با استفاده از مجموعه ویژگی‌های مناسب پیشنهاد شده است. هدف از رویکرد پیشنهادی دستیابی به یک بازنمایی از فضای ویژگی است که ماهیت ابعاد فضای احساسی را بهتر به تصویر می کشد. سیستم تشخیص احساس از گفتار پیشنهادی این رساله در دو فاز طراحی و پیاده‌سازی می شود. در فاز اول یک سیستم تشخیص احساس بهبودیافته با استفاده از یک روش استخراج ویژگی نوین انطباقی مبتنی‌بر ضرایب فرکانس- زمان و یک روش انتخاب ویژگی ترکیبی تکاملی پیشنهاد شده است. در فاز دوم یک نگاشت بین مجموعه ویژگی پیشنهادی فاز اول و فضای سه بعدی احساس ایجاد می شود. مدل پیشنهادی با استفاده از پایگاه داده گفتار احساسی برلین EMO-DB، مجموعه دادگان شنیداری صوتی و تصویری SAVEE، مجموعه داده‌های احساسی رادیو درام فارسی PDREC و پایگاه داده گفتار احساسی پیوسته آلمانی VAM ارزیابی و اعتبارسنجی شده است. نتایج تجربی نشان می دهند که مدل پیشنهادی به طور موثری کلاس‌های مختلف احساسی را در پایگاه داده EMO-DB با دقت 97.57%، در مجموعه دادگان SAVEE با دقت ۸۰٪ و در PDREC با دقت ۹۱.۶۴٪ شناسایی می‌کند.