随着生物信息学与计算机技术、数学、物理等学科交叉发展，基因研究工作也逐步进入后基因时代。面对日益膨胀的海量基因数据，及时有效“读懂”数据，挖掘具有生物意义的知识成为基因识别重要目标，而达到此目标，最直接的途径是拥有快速、高效、精确的基因识别算法。由于基因编码区3-周期性的发现，谱分析引起了基因识别领域研究者们的极大关注，并涌现出了一批基于谱分析的基因识别算法，其中Voss与Z_curve是目前两种最常用的基因识别方法。鉴于Voss与Z_curve算法各自存在的缺点与不足，本文首先通过探究Voss与Z_curve算法中计算DNA序列功率谱、信噪比的原理，得到了其功率谱、信噪比的相应关系。在此基础上，提出了二次型频数快速算法（QF3），该算法不但保证了输出值能直接展示真实值，而且避免了DFT的计算过程。最后通过EMBL基因库的标准基因序列数据检验了QF3算法的优越性，同时得到QF3算法具有很低的灵敏度，其运行时间受DNA序列长度影响较小。在获得信噪比基础上，综合应用统计学的靴带抽样算法与SVM二分类算法，以确定信噪比阈值。通过实验对比分析两种算法在信噪比阈值确定问题中的优越性，得到了SVM算法分类的正确率更高，特别是在小样本情况下，基于SVM算法在信噪比阈值确定中效果更佳。对于基因识别工作至关重要的编码区定位问题，为解决常用的“固定长度窗口滑动频谱曲线法”与“移动序列信噪比曲线识别法”定位精度不够高问题，在结合两算法得到编码区大致范围基础上，借助生物工具sequence viewer对区间端点进行调整，提出了定长窗口序列移动曲线法（FWSMC）。FWSMC曲线法不仅可以提高定位精度，而且实验过程非常严谨，输出结果具有极强的直观效果。在论文的最后一章，对本文中所提出的新算法综合应用，对给定的五个未被注释的DNA序列进行综合仿真实验，成功识别并精确定位了每个序列的基因编码区，同时实现了对各序列所属物种的判定。