随着经济的发展和生活质量的提高,人们愈加青睐购买生态养殖的鸡群。但在生态养殖环境中,养殖者往往不能确保鸡群是否安全、健康。生态养殖下的鸡群视频、图像虽然能够记录鸡群活动,检测异常行为,但是该方法容易受到昼夜、天气等所造成的光照影响。而幸运的是声音不会受到光照影响,且声音隐含着大量的情感信息,获取、处理声音信号都是容易的。目前生态场景下的鸟类声音识别已取得良好的效果,鉴于鸟与鸡同属鸟纲,因此我们可以参考鸟类声音识别方法处理生态养殖的鸡群声音。另一方面,自从Mallat和Zhang首次提出稀疏表示的思想之后,陆续吸引了学者们的注意并在近几年成为一个研究热点,而且在声音识别应用中取得了不错的实验效果。生态养殖下的鸡群声音信号难免夹杂着雨声、风声或者流水声等噪声,因此其异常识别的难点在于如何对带噪的鸡群声音进行降噪处理。本文通过分析稀疏表示方法的思想,将该方法引入降噪处理中来提高降噪效果。除此之外,本文还将该方法引入到信号重构,使得鸡群声音信号能够更加反映其本质特征,以此降低处理成本,提高效率。生态养殖下的鸡群声音异常识别的重点在于如何选取语音特征,本文的解决办法是将三种传统的声音特征(包括MFCC、LPC和PNCC)与时频参数特征进行串行融合。本文的主要内容如下:1、利用遗传算法(Genetic Algorithm,GA)优化正交匹配追踪算法(Orthogonal Matching Pursuit A1 gorithm,OMPA),简称 GA-OMPA。OMPA 是一种重要的稀疏表示方法,目前声音识别常使用该算法。而OMPA存在局限性,因此本文利用GA模拟自然进化的过程来搜索OMPA的最佳匹配原子,以此提高其性能。2、将GA-OMPA用于鸡群声音的降噪处理。本文选择多频带谱减法作为对比实验,这是由于多频带谱减法弥补谱减法的缺陷,不仅可以减少残差噪声,而且可以避免声音失真。实验表明稀疏表示算法降噪后会得到更高的声音识别率。3、将GA-OMPA用于鸡群声音的信号重构。本文使用该方法对降噪后的鸡群声音信号进行重新构造,保留与原始声音信号最相关的主体信号结构,精简声音信号。通过重新构造鸡群声音信号,我们会得到更好的性能。4、将每个声音信号的Gabor原子的时频参数特征分别与MFCC、LPC和PNCC这三种传统的声音特征进行串行融合,会比融合之前取得更高的识别率。在最后章节我们对整篇文章进行了总结分析,指出了本文当中存在的不足和新的展望。