现阶段对新生儿疼痛表情评估都是由专业人员用人工评估方法完成的，这种方法需要花费大量的时间和精力来培训专业人员，评估结果受评估者主观因素的影响，有时不能在现场及时的做出评估。因此，开发一种高效、自动的新生儿疼痛表情识别系统具有潜在的市场价值和应用场景。在现有的人脸表情识别算法中，基于稀疏表示的人脸表情识别是一个新兴且有效的方法。本文详细分析了稀疏表示理论在新生儿疼痛表情识别中应用的原理和流程，在此基础上，对新生儿面部表情的特征降维方法展开研究。主要工作和研究成果如下：（1）本文对新生儿面部表情的特征降维方法展开分析和研究，针对2DPCA方法得到的特征投影向量之间存在相关性的问题，提出了特征不相关2DPCA方法；（2）将特征不相关2DPCA和一些常用的特征降维方法应用到基于稀疏表示的新生儿疼痛表示识别算法中。通过大量的仿真实验，研究训练样本数量、特征降维方法以及特征空间维数对识别效果的影响。实验结果表明了特征不相关2DPCA的可行性和有效性，相对于2DPCA方法，特征不相关2DPCA方法可以在一定程度上提高识别效果，并且对疼痛和非疼痛两类新生儿表情有较好的区分能力；（3）对新生儿表情库中样本的灰度值进行处理，得到两组光照不充分的新生儿表情样本集，检验对光照不充分样本的识别效果。使用特征不相关2DPCA与PCA方法相结合降维，对这两组样本集中的四类表情（安静、哭、轻度疼痛、重度疼痛）分类，得到的最高识别率分别为89.33%、85.83%。