啼哭是婴儿与外界进行交流的重要方式,婴儿的哭声中蕴含了大量的生理的和心理的信息,反映了婴儿的某种需求,是婴儿对外界的一种警报,对婴儿的哭声进行监测有重要的意义。本文首先设计了嵌入式系统的硬件和软件,使用基于MIPS架构的RT5350芯片作为处理器,移植了Linux系统内核,并编写了婴儿哭声识别算法的应用程序,实现了对婴儿哭声的实时监测。其次,详细讨论了婴儿哭声信号的预处理与特征参数提取过程,分别提取了6阶,12阶,24阶的MFCC特征参数进行实验。本文使用动态时间规整算法作为婴儿哭声识别算法,并对算法进行了优化。本文建立了含有130段婴儿哭声样本的婴儿哭声库,并将婴儿哭声库分成三组,第一组含有婴儿哭声样本60段,用来训练成参考模板;第二组含有婴儿哭声样本40段,用来测试算法对婴儿哭声的识别率;第三组30段,在确定阈值的实验中使用。为了测试算法对噪声的抗噪性,分别录制了敲击声,关门声,以及人说话声进行对比实验。通过分别提取6阶、12阶和24阶的MFCC进行实验,发现12阶MFCC对婴儿哭声的识别率最高,对噪声的鲁棒性也最好。通过使用动态时间规整算法与改进的动态时间规整算法分别进行实验,证明改进的动态时间规整算法不仅提高了对婴儿哭声的识别率,而且提高了效率。使用12阶MFCC作为特征参数,使用改进的动态时间规整算法作为识别算法,对测试集的婴儿哭声识别率为90%,对噪声有较强的鲁棒性。