进入21世纪,随着计算机技术的不断进步以及其在生物信息领域的应用,DNA测序工作正接近尾声。面对庞大的基因组数据,对数据进行解读,完成基因序列不同部分的解读成为基因组分析中至关重要的部分。本论文通过将信号分析领域的算法与基因识别相结合,使用信号领域的方法来发现生物基因组中新的特性,并利用该特性实现基因识别。论文介绍了生物信息学的基本理论、发展和研究的主要内容。通过分析原核生物和真核生物基因组的结构特征,得出终止密码子的对编码蛋白质的限制作用以及编码区的周期三特性。在此特性基础上,介绍了将DNA序列转化为数值序列的常用映射方法,并提出一种降维的映射方法。然后利用现有的数字信号处理方法如短时傅立叶变换、Gabor变换及小波变换等分析不同物种的基因组,通过观察编码区的周期三特性进行基因识别,达到了预测编码区的目的。通过对大量DNA序列进行分析,比较不同方法的预测效果,并做出相应的改进。论文的最后一部分通过将DNA序列的基因识别过程转化成对DNA序列的分类,利用统计学原理中的支持向量机的学习方法结合DNA序列中启动子的结构特征,使用已有的数据库生成训练集,实现对未知序列的分类。