تشخیص احساس از روی سیگنال گفتار یکی از شاخه های نسبتا جدید در پردازش گفتار می باشد که می تواند در تعامل انسان و ربات نقش مهمی ایفا کند و در حوزه های روانشناسی و روانپزشکی، فن-آوری اطلاعات و صنعت و تجارت کاربرد زیادی دارد. ما در این تحقیق یک سیستم تشخیص احساس از روی گفتار طراحی نموده ایم، که بدین منظور از ویژگی های عروضی و طیفی سیگنال گفتار استفاده گردیده است و نتایج حاصل از انجام آزمایشات بدست آمده از روش پیشنهادی بازسازی فضای فاز، با آزمایشاتی که بر روی پایگاه داده معروف برلین با استفاده از ویژگی های عروضی و طیفی سیگنال گفتار انجام گرفت مقایسه شده است. ابتدا سیستم مورد نظر برای گویندگان مختلط و سپس برای گویندگان زن و مرد به طور جداگانه، طراحی شده است. سپس داده ها با استفاده از طبقه بندهای مختلف از جمله ماشین بردار پشتیبان با کرنلrbf طبقه بندی گردیده اند. در هر دو روش آزمایش، بالاترین نرخ تشخیص به ترتیب برای سیستم گویندگان زن، گویندگان مختلط و گویندگان مرد با استفاده از طبقه بند ماشین بردار پشتیبان با کرنلrbf به دست آمده است. بهترین میانگین نرخ تشخیص بدست آمده برای سیستم گویندگان مختلط، زن و مرد با روش پیشنهادی به ترتیب 91.21%، 96.67% و 85.47 % و میانگین نرخ تشخیص سیستم تفکیک جنسیتی شده نیز 91.77% می باشد. همچنین میانگین نرخ تشخیص بدست آمده برای سیستم گویندگان مختلط، زن و مرد با ویژگی های طیفی و عروضی به ترتیب 89.34 % ،96.67% و 89.31 % و میانگین نرخ تشخیص سیستم تفکیک جنسیتی شده نیز 93.45% می باشد. نتیجه می گیریم که تفکیک جنسیتی نرخ تشخیص سیستم را در روش پیشنهادی از عدد 91.21% به عدد 91.77% و در روشی که آزمایشات را با ویژگی های طیفی و عروضی انجام دادیم از عدد 89.34 % به عدد 93.45% بهبود بخشیده است.