随着信息化和网络化的高速发展,信息的安全问题面临威胁,人们的安防意识也有了提高。特定环境下的异常声音信号能够有效揭示是否有异常状况和突发事故发生,因此,研究家居环境下的异常声音信号对家居环境的智能监控和安全防护有着举足轻重的作用。本文在调研分析国内外声音识别的基础上,对家居环境下的异常声音识别进行了详细研究。主要针对家居环境中一些非语音的异常声音,如瓷碗碰撞声、敲门声、脚步声、椅子摔地声等。目前对非语音信号的特征提取方法和识别算法大多是借鉴传统的语音识别算法,但非语音信号的特性和语音信号存在很大区别,用传统方法对其进行特征提取和识别明显会存在不足。所以本文分析了家居环境下的异常声音信号不同于语音信号的独有特性,通过提取声音信号的时域特征参数(短时能量及其差分)和频域特征参数(Mel频率倒谱系数及其一阶差分),并将两者结合起来应用到家居环境异常声音识别系统中。经过DTW、HMM、GMM识别算法的对比,选择在模式识别中广泛应用的基于高斯混合模型(Gaussian Mixture Model, GMM)的识别算法。本文用Matlab建立了一个家居环境异常声音识别系统,包括对异常声音进行简单分析的时域和频域分析模块,GMM模型训练模块和识别模块。训练模块和识别模块中对声音信号的特征提取可以有多种选择组合,主要是短时能量(Short-Term Energy, STE)、MFCC以及它们的一阶差分组合。利用建立的异常声音识别系统,对家居情况下多种声音的识别性能进行了仿真研究。考虑到非语音和语音信号的区别,对比分析了在不同的帧长和帧移下的识别效果；还在不同的样本数下分析了异常声音识别系统的识别率和训练时间；以及信噪比和不同特征参数对识别性能的影响。得到了家居环境下异常状况声音识别的各项理想参数选择方法,本研究对于非语音信号及异常环境信号分析有很好的实用和参考价值。