随着我国畜牧养殖业的发展和养殖集约化程度的提高，养殖环境日趋恶化，病害发生率越来越高，严重影响畜产品的质量。猪舍的环境调节与控制对猪的生产有很大的影响，环境适宜可以充分发挥猪的生产潜力，增强猪只抵抗力，减少疾病的发生，继而影响养猪的生产效益。对猪舍环境实施精确的测量和控制管理，有利于推动猪只“健康养殖”，提高养猪场的管理效率，从而促进粗放型低效禽畜养殖业向知识型、技术型、现代化的高效禽畜养殖业转变。 本文以广东省科技计划攻关项目“基于电子鼻的猪舍环境综合监控系统研究”为背景，重点研究了基于电子鼻的猪舍有害气体识别信号的特征提取方法，为采用电子鼻技术对猪舍主要有害气体(如氨气、硫化氢)的检测构建科学有效的识别模型。由于气体传感器存在交叉敏感的物理缺陷，单一气体传感器无法在多种气体的混合环境中进行准确的定性检测以及定量识别。为此，本文构建了基于小波变换与遗传算法的特征提取方法来改进电子鼻识别效果。利用小波变换在时域和频域同时具有的良好局部化特性，提取了气体信号动态反应过程的局部特征；通过遗传算法对小波系数特征值进行筛选，得到识别效果最优的特征值组合，从而有效的降低特征维数并减化神经网络的结构。该特征提取方法充分利用了传感器输出信号中包含的气体分子反应过程的频谱特性，为气体识别提供了更多有用的细节信息，从而提高了识别模型的精度。 本文采用注射器静态配气法配制了65组猪舍主要有害气体硫化氢与氨气的标准气体样本，并采用基于小波变换与遗传算法的特征提取方法和主成分分析方法分别对实验数据进行处理，将提取的特征向量分别用于训练气体识别BP神经网络模型。实验结果表明，与主成分分析相比，本文提出的方法提取的特征作为BP神经网络的输入，能显著提高BP神经网络的学习速度，并且减少其对氨气和硫化氢混合气体定量识别的误差，提高了电子鼻的识别精度。