در سالهای اخیر توجه ویژه ای به تشخیص اطلاعات احساسی سیگنال گفتار جلب شده است. در این مقاله یک الگوریتم جدید بهینه سازی دسته ذرات کوانتومی ( به نام pQPSO (برای کاهش بعد در سیستمهای تشخیص احساس از روی گفتار (SER (ارائه شده است. QPSO یک الگوریتم بهینه سازی با سرعت همگرایی بالا و پیاده سازی آسان به نسبت سایر الگوریتمهای مشابه است، اما تاکنون در حوزه سیستمهای SER مورد استفاده قرار نگرفته است. در این مقاله از یک الگوریتم QPSO جدید و بهبودیافته، برای تقریب ماتریس تبدیل، در مرحله کاهش بعد سیستم استفاده شده است. نتایج بررسیها بر روی پایگاه داده احساسی گفتار برلین (DB-EMO (نشان میدهد که این استراتژی کاهش بعد، صحت و دقت سیستمهای SER را به نسبت سایر روشهای کلاسیک مانند FA ،PCA، PPCA ،LDA و دو روش اخیر استفاده شده از همین دادگان بهبود داده است.
