چکیده: چکیده حالات احساسی مختلف مانند عصبانیت، خوشحالی، نفرت، ترس و غم، بخش عمده‌ای از زندگی انسان را در بر می‌گیرند. بطور خاص، نحوه بیان و گفتار انسان، بسته به حالت احساسی او، دچار تغییر می‌شود. بنابراین، سیگنال گفتار انسان اطلاعات مربوط به احساس یا حالت گوینده را نیز، علاوه بر انتقال پیغام، در بر می‌گیرد. حالات احساسی و شرایط محیطی مانند نویز، باعث تغییر در پارامترهای گفتار شده و کارایی سیستم‌های پردازش خودکار گفتار (ASR) را کاهش می‌دهند. این مساله موجب محدودیت در کاربرد این سیستم‌ها می‌شود. در همین راستا، در این پایان نامه یک روش استخراج ویژگی بر مبنای مدل AM-FM برای تشخیص إحساس در شرایط نویزی پیشنهاد شده است. کلاسه بند مورد استفاده نزدیک ترین همسایه ((KNN با مقدار K به میزان 25 می باشد. این مدل پیشنهادی، در دو شرایط محیطی مختلف شامل شرایط تمیز و عاری از نویز و شرایط نویزی ارزیابی شده است. در این ارزیابی‌ها، برای داده‌های گفتاری، از دادگان احساسی زبان آلمانی با عنوان EMO-DB استفاده شده است. ارزیابی‌های انجام شده نشان داده است دقت مدل پیشنهادی 56 درصد بوده است. در مقایسه با سیستم‌های پایه، به تنهایی عملکرد بهتری نداشته و به منظور کاهش نرخ خطا در تشخیص گفتار احساسی بهتر است با سیستم پایه استخراخ ویژگی ترکیب شود.