环境声识别是声信号处理领域的研究方向之一,其主要通过分析声信号中包含的组成成分,实现对环境声的识别。环境声识别技术可用于安全监控、医疗看护、生态保护等各种领域,以弥补视频监控容易受到监控视角、光线强弱等不利因素而造成监控效率较低的问题。但环境声具有很大的非平稳性且容易受到各种复杂背景噪声的影响,进而导致对环境声的识别较为困难。本文针对复杂的环境声进行环境声识别研究,主要完成工作如下:针对单一声学特征无法对复杂的环境声进行有效的表征问题,采用梅尔频率倒谱系数、对数梅尔谱和短时能量三种特征进行特征融合的方式,提高对环境声的表征能力。通过对比实验发现,不同的特征融合方式对识别结果的影响较大。实验结果表明,采用基于三输入的卷积神经网络对三种不同输入特征进行特征提取后的后融合方式,其识别效果要优于采用前融合的方式。主要原因在于三输入卷积神经网络模型为每个输入特征都配置了不同的卷积与池化操作,有利于各自特征的提取,避免了不同特征却采用相同权重参数进行特征提取的问题。环境声识别算法中常采用的声学特征最初都是为语音识别和乐音识别而设计的,能较好的拟合语音和乐音,但这些声学特征可能无法充分表达环境声中的某些特定信息。针对这一问题,设计一种双输入卷积神经网络,采用对数梅尔谱与原始音频信号作为输入特征。从原始音频信号中直接提取的特征与对数梅尔谱特征形成互补,提高了融合特征对环境声的表征能力,并且实验结果表明该方法的识别效果优于采用组合多种声学特征的方式。参与研发了集音频信号采集、数据处理与识别、环境声地图展示于一体的环境声监测系统。该监测系统由音频采集单元、数据处理单元、环境声地图展示单元三个部分组成,其中数据处理单元包括数据存储单元与音频识别单元,本人主要负责音频识别单元的研究。同时为了使得该监测系统能更好的适用于实际场景,使用音频采集单元采集所需的环境声,自建环境声数据集,最终完成网络模型的训练。通过对环境声监测系统的实际测试发现,该环境声监测系统具有较高的鲁棒性,可以应用于实际的环境声监测。