情绪在个人的日常活动中扮演着重要的角色，因此它越来越引起许多言语和语言研究人员的兴趣和关注。 在这项研究中，作者提出了一种通过统计方法进行特征选择的方法，用于对语音中的情感进行分类。 提取的特征与来自萨里视听表达情感数据集的能量、频谱和共振峰相关。 本研究中使用的分类器是 K 最近邻、神经网络、随机森林、支持向量机。 已使用 Shapiro Wilk 检验和 Anderson Darling 检验对特征进行正态性检验，置信度为 95%。 根据正态性检验和主成分分析的结果将特征分为模型1、模型2和模型3。分类器的统计性能结果，准确率结果为愤怒94.99%、厌恶89.11%、恐惧90% ,89.33% 表示高兴，93.02% 表示中立，95.24% 表示悲伤，90.23% 表示惊讶。除了情绪厌恶和中性之外，所提出的特征选择方法与主成分分析相比给出了最好的结果。
