蝙蝠是世界上分布最广、进化最成功的哺乳动物类群之一。近年来，由于生态环境破碎化、人为滥杀等原因，蝙蝠种群数量逐年下降。因此，蝙蝠种群的探测与种类的识别对于明确蝙蝠捕食生境和有效地开展蝙蝠保护工作具有重要意义。 对蝙蝠种类进行识别，关键在于特征提取和分类器的设计。小波分析属于时频分析，它是一种多尺度的信号分析方法，它将信号中不同的频率成份分解到互不重叠的频带上，为信号滤波、信噪分离和特征提取提供了有效途径，是分析非平稳信号的强有力工具。本文针对飞行状态下蝙蝠回声定位声波的特征，采取三层小波包分解声波信号，提取不同频段的能量参数，作为特征向量。 特征参数过多，直接影响网络结构的复杂性和系统识别结果，本文用主成分分析法优化特征空间。一种途径是用主成分分析筛选变量，删除多余变量，直接降低特征空间的维数；另一种途径是通过坐标变换降低特征空间维数，即提取少数几个主成分，根据主成分的得分，对样本进行分类处理。论文应用两种途径对网络的输入空间进行优化，均取得理想效果。 人工神经网络由于具有一些传统技术所没有的优点：良好的容错能力、分类能力强、并行处理能力和自学习能力。因而，神经网络被广泛应用于模式识别方向。目前常用的神经网络主要有BP网络、Hopfield网络、Ko-honen网络等，由于神经网络自身的复杂性，选用哪种类型网络并没有最优化的方式，主要由针对神经网络进行分类的样本类型、数量来决定。本文应用目前较为成熟而且广泛使用的前向反馈(BackPropagation，简称BP)网络来实现蝙蝠的识别。 研究表明，应用神经网络对蝙蝠进行种类识别是可行的。本文研究目标是实现蝙蝠种群的在线检测与统计，基于该理论的检测系统一经实现，有很大的应用价值，为蝙蝠或其他群体动物的研究提供了一种新的手段。