我国鸟类资源丰富,鸟是人类的朋友也是生态环境的组成者。鸟类能够敏感的感知环境中的微小变化,是用于监测环境变化的最理想生态物种。一直以来对野外鸟类的监测一直是生态环境研究的重点。现有的监测手段有雷达,环志站,比较耗时耗力。随着声音识别技术发展,考虑到鸟鸣声与鸟类的形态特征都是重要的生物学特征,每种鸟声都是独一的并且对于形态特征更易于捕获。可以通过对野外鸟声采集识别来完成鸟类监测。本文针对野外鸟类声音采集和识别需求进行研究设计出一种鸟类监测系统。工作主要内容如下:（1）鸟声降噪在野外鸟声采集过程中会夹杂很多环境噪声,需要去除噪声得到纯净的鸟声提高识别准确率。传统的谱减法具有很好的去噪效果,并且实时性强,但是会产生噪声残留。本文结合端点检测对噪声谱实时更新来改进谱减法,实现更好的去噪效果。（2）鸟声特征参数提取对鸟声识别特征进行研究,详细介绍了常用的特征参数梅尔倒谱系数（MFCC）。从提取MFCC时用到的梅尔滤波器组结构中看,MFCC对声音信号低频部分有很好的表征能力,而对高频部分薄弱。通过引入翻转梅尔倒谱系数（IMFCC）,根据Fisher准则对MFCC和IMFCC进行特征融合,取两者之长得到新的特征MFCC-IMFCC能更够全面表征鸟声信号信息,提升鸟声识别准确率。（3）鸟类识别模型搭建对分类模型进行研究,详细介绍了经典机器学习算法支持向量机（SVM）。在SVM进行训练模型时,使用到的惩罚因子C和核函数g会影响模型的分类效果和泛化能力。通过遗传算法（GA）优化SVM提高分类模型的分类效果和泛化能力。（4）硬件系统搭建对野外鸟声采集和识别系统硬件需求分析,搭建以STM32H743IIT6为核心的嵌入式系统。通过音频芯片WM8978对实现声音采集,借助STM32H743IIT6强大的运算能力对声音信号进行预处理,调用CMSIS-DSP库的SVM分类函数实现鸟声识别。