利用生物的声音对生物的种群进行识别对野生动物保护、侦测等等领域都很有帮助,可以有效的提高识别效率、工作效率,节约人力物力。因此,本文主要介绍了一类基于声音的生物种群识别系统的开发工作。据我所调查的结果显示,目前关于这方面的研究工作还比较少,最有代表性的是在2011年,Gunasekaran和Revathy公开发表了一篇论文,该文创新性的设计了一类基于声音的生物种群识别系统,但这个系统由于分类准确率不够高而导致实用性偏低。以此为代表的基于声音的种类识别技术存在着一些弊端,比如在对原始声音进行处理的时候并没有去除冗余数据和无效数据,特征的选择方面也存在着较大的人为主观性,并且没有去除不适合的特征,这将降低系统的计算效率和准确率。传统的声音识别流程依次为:预处理,特征提取,模型的训练。针对传统流程的一些不足之处,本文介绍了一个新的声音识别流程:预处理,有效声音信号的提取,特征提取,特征选择,模型的训练。在这些新增的流程中,包括了一个特征选择算法,离群点去除算法以及本文新提出的端点检测算法。这些算法的主要目的有两个,一是尽可能的提纯数据,去除无效数据和冗余数据;二是对特征进行选择,使得进入模型训练环节的特征向量能够更好的代表声音从而提高模型的计算效率。本文介绍的系统经过测试得到的平均准确率在90.84%左右,与Gunasekaran和Revathy提出的系统相比,平均准确率有所提高。从准确率上来讲,足以满足该系统的实用性要求。端点检测算法,离群点去除算法都属于本文的创新点,因此,本文还在利用同样的数据依次做了四次实验,第一次实验使用了端点检测算法和离群点算法,第二次实验只使用了端点检测算法,第三次实验只使用了离群点算法,第四次两个算法都没有使用。通过对比得出第一次实验的准确率最高,第二次和第三次实验的准确率次之,第四次实验的准确率最低,证明了这两个算法的有效性。