随着猪只养殖的规模化与集约化,猪只呼吸系统疾病已成为各个养猪场最常见且危害最严重的疾病之一。对其呼吸系统疾病的及时检测与预警,可提高猪只疾病的预防及治疗水平,减少由呼吸系统疾病造成的经济损失,促进养猪行业的健康发展。目前,对于猪只呼吸系统疾病的预警主要是通过人为观察,该方法耗时费力,且主观性强,可行性差。梅山猪是在我国特有自然条件下形成的宝贵资源,作为地方保种猪之一,以高繁殖力闻名于世,近年来许多学者以梅山猪为研究对象,在基础研究和应用研究方面均开展了卓有成效的研究工作。音频处理技术是一种准确、无接触的信号处理方法,目前愈来愈被广泛应用于畜禽生理行为监测领域。研究结合猪只呼吸系统疾病研究现状,应用声学分析技术,以我国地方保种猪梅山猪为研究对象,研发梅山猪连续咳嗽声监测系统,为梅山猪的健康养殖提供技术支撑,文中主要研究内容如下:（1）梅山猪声音信号预处理及特征提取优化研究。通过分析梅山猪呼吸系统常见临床症状,确定实验方案。利用HD-B-1001高保真网络拾音器获取梅山猪声音信号,对其进行预加重、加窗分帧等预处理后,通过分析声音信号的振幅、持续时长等时域特征,对谱减法的噪声信号获取方式进行改进,提高谱减法的降噪性能。通过双门限端点检测方法确定音频中非静默段的起止点,获取有效音频段。对获取的非静默声信号提取短时能量、短时过零率及共振峰等时频域特征及MFCC倒谱域特征,并对MFCC特征进行优化,提高特征的有效性。（2）基于机器学习的梅山猪连续咳嗽声识别方法研究。针对传统机器学习样本特征需要等长输入的问题,研究中使用DTW或插值法实现了特征等长,构建了 SVM、SRC、LDA及LS-SVM四种分类算法,综合分析了 DTW及插值法等长处理的单个特征、降维特征及组合特征在算法识别性能方面的差异性,结果表明在梅山猪单次咳嗽声识别中,MFCC与短时能量E的组合特征在插值等长处理到四分之三分位点时,利用LS-SVM分类算法识别性能最优,识别准确率为86.77%。同时,利用连续咳嗽声中相邻咳嗽声间隔时长分布特征,设计了基于LS-SVM的连续咳嗽声识别模型。（3）基于BLSTM-CTC的梅山猪连续咳嗽声识别方法研究。将连续语音识别技术引入到梅山猪声音信号识别研究领域,选取梅山猪最佳声音信号特征组合,构建了BLSTM-CTC声学模型,利用该模型对梅山猪连续咳嗽声进行识别。对比分析LS-SVM模型及BLSTM-CTC模型,在模型识别准确率、咳嗽声误识别率、咳嗽声召回率及连续咳嗽声占比四个评价指标下的准确性差异,结果表明BLSTM-CTC声学模型整体上优于LS-SVM模型,因此研究中选择BLSTM-CTC声学模型为梅山猪连续咳嗽声监测系统提供数据挖掘服务。（4）梅山猪连续咳嗽声监测软件系统的设计与实现。应用Java语言设计并实现了对梅山猪声音信号进行监听、读取及处理的中间件程序,同时该中间件可以将连续咳嗽声检测结果及咳嗽声猪只栋舍信息存储至MySQL数据库中。应用SpringBoot轻量级框架研发了梅山猪连续咳嗽声监测系统（WEB端）,系统中展示了梅山猪连续咳嗽声检测结果信息、梅山猪栋舍管理员信息及梅山猪信息等,在满足系统稳定运行的同时,优化了人机交互界面,提供了高效的梅山猪呼吸系统疾病监测预警信息化系统。