奶山羊的运动行为是其身体健康的重要体现,利用智能可穿戴设备识别奶山羊的运动行为对于奶山羊的智慧养殖具有重要意义。针对当前奶山羊行为识别过程中存在可穿戴设备种类少、研究对象差异大、行为识别类别少和行为识别准确率不高等问题,本文利用了多传感器可穿戴设备、基于改进生成对抗网络的奶山羊行为传感器数据扩充算法和基于双注意力时间卷积网络的奶山羊行为识别算法,实现了奶山羊运动行为的准确识别。本文主要内容研究如下:（1）基于可穿戴多传感器的奶山羊行为数据采集和预处理。为了解决奶山羊行为识别过程中数据集少、数据质量不高的问题,首先对奶山羊的个体特征、生活环境特征和运动行为特征进行分析,其次选择合适的可穿戴多传感器设备,接着选取了合适的佩戴位置并制定了合理的数据采集方案,采集了奶山羊站立、躺卧、走路、奔跑、跳跃和转圈这六种行为数据,最后通过小波滤波算法对所采集的数据进行降噪处理,通过Z-score算法对数据进行归一化处理,形成奶山羊运动行为标准数据集,为奶山羊运动行为识别提供了坚实可靠的数据基础。（2）基于改进生成对抗网络的奶山羊行为传感器数据增强。为了解决采集的奶山羊行为数据集中数据类别不平衡的问题,提出了基于改进生成对抗网络的奶山羊行为数据增强算法模型,在生成器和判别器中引入了一维卷积层和双向长短时记忆神经网络层,保证了生成数据的时序相关性,减少了训练过程中梯度爆炸和梯度消失的问题,通过余弦相似度评估算法验证了生成数据的可靠性,并利用不同算法模型基于原始数据集和数据增强后数据集进行行为识别实验,实验结果表明,该模型所生成的数据质量较高,可以有效提升模型的行为识别准确率。（3）基于双注意力时间卷积网络的奶山羊运动行为识别。鉴于可穿戴多传感器的数据时序周期长、数据量大等特点,提出了基于双注意力时间卷积网络的奶山羊行为识别算法模型,在时间卷积网络中引入双模块注意力,保证模型可以更有效地提取时序传感器数据中的深层序列特征信息,同时使用三元组损失函数可以更好地区分传感器数据相似的异类行为。实验结果表明该模型能够有效识别奶山羊的站立、躺卧、走路、奔跑、跳跃和转圈这六种行为,模型的平均行为识别平均准确率可达97.15%。