朱鹮是我国的一级重点保护动物、珍稀鸟类。鸟类鸣声蕴含丰富的生物学信息,分析研究朱鹮鸣声,对于了解朱鹮习性,进一步开展对朱鹮的保护具有十分重要的意义。本文以语音识别技术为基础,研究了朱鹮鸣声的预处理、特征提取和模式匹配问题。在语音特征提取方面,本文针对Mel频率倒谱系数(MFCC)提取后,易造成高频部分提取缺失,不能很好的表征朱鹮鸣声信号的问题,提出了改进方法。该方法采用小波包变换和高频加权对朱鹮鸣声信号进行精细的划分,从而加强鸣声高频部分频谱能量。相比传统MFCC算法,这种改进方法可以获得效果更好的特征参数。在语音识别方面,针对学习向量量化(LVQ)神经网络的神经元存在未被充分利用和初始权值易敏感的缺陷,本文采用遗传算法对神经网络初始权值进行优化,同时用神经网络完成给定精度的学习,从而实现最优权值向量的快速获取,使得朱鹮鸣声识别系统收敛速度变快,同时避免了局部极小,识别率有所提高。实现了一个基于LVQ神经网络的朱鹮个体辨识系统,并在包含10只朱鹮鸣声的小型文件库中进行本文算法和常用识别算法的对比实验。实验结果证明,本文研究改进的LVQ神经网络算法很好地实现了鸣声识别功能,进一步提高了整个系统的识别率,获得较好的识别效果,为今后研究工作提供了一种快速准确的方法。