生猪集约化养殖存在着通风差、空间小和管理水平有限等问题,导致生猪经常发病且各种习性难以观查,且管理费时、耗力,如何监测并快速判断生猪习性和可能出现的疾病成了目前亟需解决的问题。生猪的叫声包含丰富的生物学信息,对生猪叫声进行分析研究能进一步了解生猪的生理和行为机制,有助于提高对生猪疾病的诊治效率,了解生猪种群的行为和个体特征。因此,生猪的声音实时监测和识别显得尤为重要。本文利用外接麦克风搭建开发板设备进行节点生猪声音的采集、改进优化传输,并使用中转程序进行中转接收,预处理后对该声音信号进行改进EMD-TEO（经验模态分解的Teager能量算子）的倒谱距离端点检测,再进行梅尔倒谱系数（Mel cepstrum coefficient,MFCC）的提取以及隐马尔可夫模型（Hidden markov model,HMM）的研究,并对生猪音频识别系统进行相关优化,探索利用声音识别技术识别生猪声音的新途径,主要工作从以下几个方面进行介绍:（1）针对生猪音频信号采集与传输,利用压缩感知理念和三大压缩感知核心知识,综合应用到开发板采集节点上,进行相应采集传输信号的软硬件设计。结果表明:通过运用这套压缩-重构系统,重构率提高20.75%,重构时间缩短近0.20s,去噪后的峰值信噪比较未去噪的峰值信噪比增大近1.50d B。降低了信息传输量、节省了信号处理、存储和传输的时间。紧接着设计生猪音频信号传输的中转程序以及中转界面,把生猪音频信号发送到服务端并通过客户端实时下载和录制,最后调用建立好的生猪音频信号识别系统。（2）针对生猪音频信号识别中传统端点检测方法存在的抗噪能力差,准确率低等问题,将一种改进EMD-TEO倒谱距离的端点检测方法应用到生猪音频信号的端点检测上,对生猪音频信号的2个端点检测特征参数（Teager能量参数和倒谱距离参数）进行研究。结果表明:与EMD-TEO和倒谱距离端点检测法相比,当高斯白噪声的信噪比（Signal-noise ratio,SNR）为-5d B和10 d B,饲养场背景噪声的SNR为10 d B时,改进后的算法用于生猪音频信号的端点检测准确率分别为84.725%、94.281%和90.293%,均优于其他2种算法,且改进后的算法对不同类型的生猪音频信号均呈现出很好的端点检测效果,具有一定的鲁棒性。（3）对上述平台下载和录音笔录制的生猪音频进行软件分段分类,分为10类,包括生猪（吼叫、发情、吃食和生病等）声音编号,每类分30组,其中25组作为训练样本集,另5组作为测试集。利用MATLAB设计了一个基于HMM的生猪音频信号识别系统,并将改进后的算法对识别系统性能的影响与传统的方法进行了详细对比,结果表明,改进后的算法提高了识别系统的识别率,充分体现了改进算法的有效性和可行性。最后在MATLAB平台建立基于HMM的生猪音频信号识别系统,利用其GUI功能,对改进后识别系统的各个部分进行界面演示,并在最后进行识别效果的对比分析,验证改进方法的有效性。