1.一种基于目标适应子空间学习的跨库语音情感识别方法，其特征在于：首先，分别提取源数据库和目标数据库中语音样本的特征；其次，采用提取到的特征训练目标适应子空间学习模型，该模型的目标在于寻找一个投影空间使得目标数据库中的语音样本能够被源数据库中的语音样本表示，同时通过学习投影矩阵来预测目标数据库中语音样本的情感种类并减小源域与目标域之间的特征分布差异；最后，对训练好的模型进行测试并得到最终的语音情感识别结果。

2.根据权利要求1所述基于目标适应子空间学习的跨库语音情感识别方法，其特征在于：所述目标适应子空间学习模型的目标函数如下：上式中，Ls为标签矩阵，是一个c×M的矩阵，其元素使用二进制值表示，c为情感种类，M为源数据库中语音样本的个数；C为回归系数，是一个d×c的矩阵，d为特征维度，上标T表示转置；Ds为源数据库的特征矩阵； 为目标数据库特征矩阵Dt的第i列；Zi为投影矩阵Z的第i列，Z是一个M×N的矩阵，N为目标数据库中语音样本的个数；λ、μ、τ为平衡参数且λ,μ,τ＞0；

目标函数的第一项为F范数惩罚项，第二项为l2范数惩罚项，第三项为l1范数惩罚项，第四项为l1,2范数惩罚项。

3.根据权利要求2所述根据权利要求1所述基于目标适应子空间学习的跨库语音情感识别方法，其特征在于：所述目标适应子空间学习模型的求解方法如下：(a)固定Z，更新回归系数C：

(b)固定回归系数C，更新Z：

上式中， 即为目标数据库中语音样本的标签向量，标签向量最大值的所属类别即为最终语音情感识别的类别。

4.根据权利要求3所述根据权利要求1所述基于目标适应子空间学习的跨库语音情感识别方法，其特征在于：在步骤(a)中，采用交替方向迭代法求解回归系数C的更新值。

5.根据权利要求3所述根据权利要求1所述基于目标适应子空间学习的跨库语音情感识别方法，其特征在于：在步骤(b)中，采用Lasso回归法求解Zi的更新值。