羊只行为状态能够直接反映其健康状况,对于羊只行为进行监测与识别是保护羊只健康,实现福利化养殖的基础。为实现羊只行为的自动化监测、识别和分类,本文以圈养的小尾寒羊为试验对象,对羊只行为监测可穿戴系统、部署位置和数据分析方法进行了研究。首先,完成了基于位姿传感器和无线数据传输的羊只行为信息监测系统的设计和搭建。根据使用要求对传感器、通信模块、供电电路进行了选型,完成了其封装和测试工作,实现了数据的实时采集、显示及存储功能。其次,在羊只颈部、背部靠近前腿处、前腿和后腿4个部位分别部署了行为监测装置,针对静止、行走和饮食三种行为进行了对比试验。并利用小波分析和主成分分析对采集的数据进行了预处理,消除了噪声的干扰,提取了数据中的有效成分,为数据分析提供了基础。然后,分析并讨论了行为监测装置部署位置对识别和分类结果的影响。针对4个不同位置采集的数据,分别利用K-means均值聚类和支持向量机（SVM）两种方法进行分析和比较。分析结果表明,将监测装置部署在羊只的颈部具有较好的监测效果,对于羊只3种典型行为的识别率均高于其它部位。最后,对K-means均值聚类、SVM和长短时记忆循环神经网络（LSTM-RNN）这3种行为识别中常用的算法进行了比较。试验结果表明,LSTM-RNN算法对3种典型行为识别的准确率最高,对监测装置在羊只颈部获取的数据进行识别时,静止行为的识别准确率为96.2%,行走行为的识别准确率为97%,饮食行为的识别准确率为98.87%;且利用该方法进行羊只行为识别时,监测装置部署位置带来的影响可以忽略。