近年来新生儿疼痛评估逐渐成为医疗科学中一个新的研究方向。研究表明，在临床医疗中，各种侵入性操作会导致新生儿的疼痛。由于新生儿不能自述疼痛的感受，如果不及时发现和处理可能会导致新生儿中枢神经发育缓慢等负面影响。因此，积极、准确和及时的对新生儿疼痛进行有效地判断和处理是至关重要的，目前，普遍认可的是以新生儿面部表情变化作为评估新生儿疼痛的有效指标。目前，在各种稀疏表示求解的方法中，匹配追踪类算法由于其普遍运算速度较快并能够精确重构的优秀特性，逐渐成为应用最为广泛的稀疏重构算法之一。本论文对关于稀疏表示与匹配追踪算法在新生儿疼痛表情识别中的应用进行了深入研究，提出了一种基于稀疏表示和匹配追踪算法的新生儿表情识别方法，主要工作和创新点如下：(1)提出了基于稀疏表示和匹配追踪算法的新生儿疼痛表情识别方法的理论框架，并对现在流行的匹配追踪算法进行了综述，针对稀疏表示稀疏度未知的难题，提出了以稀疏自适应匹配追踪算法（SAMP）为核心的稀疏表示识别方法，并在实验中对算法中相关参数的选取进行了讨论。(2)选取了三种不同的特征提取方法——下采样，PCA和2DPCA对原始数据进行了数据降维的预处理，有效地提高了整体运算效率。在实验中经比较发现，将2DPCA特征提取方法与SAMP算法相结合的识别方法取得的识别效果最好。(3)实验中关于稀疏表示求解采用了多种匹配追踪算法，并进行了横向比较。实验表明，以SAMP算法为基础的稀疏表示分类的方法从识别正确率和识别时间上要好于其他匹配追踪算法方法，同时不需要预估信号的稀疏度。验证了以SAMP算法作为稀疏表示分类的新生儿疼痛识别方法较其它匹配追踪算法更好，更适合作为新生儿疼痛表情识别方法中的稀疏表示求解方法。