我国是世界上猪肉生产大国,同时也是世界上猪肉消费大国,生猪的养殖在畜牧业中占有非常重要的地位。随着科学技术的发展,越来越多的新型技术应用到生猪养殖过程中,从而推动生猪养殖方式由粗放型、个体散养型,向集约化、规模化和自动化养殖方向转变。集约化养殖方式虽然在养殖效益以及资源利用率上胜过传统养殖方式,但是集约化养殖容易造成生猪养殖空间拥挤,环境通风不良,传染病蔓延迅速等问题,这样会导致生猪出现异常的概率增加。因此,如何及时对生猪的异常状况进行预警是集约化生猪养殖方式亟待解决的一大问题。目前,国内生猪养殖中主要以人工监测为主,这种方式不仅费时费力,而且容易受主观因素影响,同时人员的活动会引起生猪应激反应,不利于生猪健康生长。声音识别技术广泛应用于安防系统,具有识别精度高、无接触、客观性强等特点。本论文利用声音识别技术设计了一种生猪异常声音监测系统,对生猪惊骇声和咳嗽声进行在线监测。本论文主要研究内容如下:(1)对猪舍内声音信号进行在线采集时,由于采集到的声音信号中存在较多能量幅值较低的无效声音信号。本论文通过设定能量采集阈值,减少对无效声音信号的处理,提高监测系统对猪舍声音处理速度。(2)猪舍中采集到的生猪声音夹杂大量的环境噪声,主要以猪舍内通风机噪声为主。本论文采用数字滤波器、小波阈值法和改进谱减法对采集到的生猪声音信号进行降噪处理。实验结果表明当生猪声音信号受到通风机噪声干扰时,改进谱减法可以取得较好的降噪效果,同时还可以满足在线处理的要求。(3)对生猪声音信号提取4种特征参数,包括时域特征参数、LPCC特征参数、MFCC特征参数以及基于消除变化缓慢趋势项的特征参数。通过对这4种特征参数相互组合并进行实验,结果表明当MFCC及其一阶差分系数作为特征参数时,生猪异常声音识别效果最佳。(4)利用SVDD模型的单分类检测能力,同时对SVM模型构造合适的多分类器,得到SVDD和SVM检测识别模型,采用该模型对猪舍内生猪异常声音信号进行检测与识别,最后根据一段时间内的识别结果对生猪健康状况进行判断。(5)采用西门子组态软件WinCC7.0对生猪异常声音监测系统的上位机界面进行设计,可以实时显示、记录和存储猪舍内异常声音相关数据的变化趋势、处理结果以及报警信息等,为饲养人员及时了解猪舍内的情况提供帮助。本论文设计的生猪异常声音监测系统可以对猪舍内的生猪健康状况进行实时监测,为实现生猪异常监测从人工方式向自动化、数字化方式转变提供依据。