社会的迅速发展带来大量的数据信息,而如何找出有用的信息就显得尤为重要,而且对于声音数据来说,若是可以有效地采集、处理、识别这些数据,就会变得更有价值。本文所研究的是复杂背景下的声音信号识别系统,并对系统进行深入分析和论证,重点开展了特征提取方法和识别技术研究,为实现复杂背景下精确的声音信号识别系统提供理论依据。本文主要对3种类型的声音信号做研究,包括法拉利汽车喇叭声、兰博基尼汽车喇叭声和野马汽车喇叭声。本文通过数据采集平台,利用GRAS麦克风采集汽车喇叭声,经过NI—9234数据采集卡和LabVIEW中NI--DAQmx技术中的子VI模块,将声音信号以波形的方式显示,并保存为.wav格式,再将数据传送到计算机中。本文重点研究复杂背景下的声音信号特征提取方法和识别技术,并通过MATLAB软件GUI用户界面开发程序设计了声音信号识别软件系统,具体内容如下:首先,对独立的声音信号进行端点检测和特征提取。在时间域上进行端点检测,根据研究对象的特点,提出来一种双域特征提取法来对信号进行特征提取。其次,对采集到的一段混有待测信号的声音段进行预处理,即降噪和盲源分离。采用5阶巴特沃斯低通滤波器对待测信号进行降噪处理,再采用独立分量分析(ICA)算法对声音信号进行分离。然后,针对声音识别中传统的BP神经网络识别算法在收敛速度等方面不尽理想的问题,提出了一种增加动量项和自适应算子的改进方法。最后,从实用性和整体性两方面着手,开发并设计出了复杂背景下的声音信号识别软件系统。对于复杂背景下的声音信号识别系统研究,本文结合研究对象的特点,找到一种适于本文研究对象的特征提取算法--双域特征提取法,即在时、频域内同时进行分析,建立完善的特征参数值,改进了前人特征提取方法的局限性,仿真证明本文所采用的方法可以更有效的提取出信号的特征值且效果更佳。本文的识别算法是对传统算法的改进优化,通过更新网络的权值公式,并与传统算法进行比较,发现改进的算法中网络的收敛速率降低了,系统的识别率得到提高。