在物种演化的漫长过程中，很多物种都形成了具有自身特异性的“叫声”。我们可以利用这些物种特异性的“叫声”来识别不同的物种。同样，研究人员发现在同一个物种的不同个体之间，它们的“叫声”也存在着不同程度的差异。这些差异可以被用来进行个体识别。利用“叫声”来进行种间的物种识别以及种内的个体识别一直是一个研究的热点。然而，传统的基于“叫声”记录图谱比较以及“叫声”记录长时统计量的分析，不仅在识别的准确性上无法让人满意。而且，这是一个非常费时费力的人工过程。

在语音识别的自动化取得突破之后，很多研究者就开始尝试把语音识别领域的方法应用到“叫声”的种间识别以及种内的个体识别，并且取得了很好的效果。然而到目前为止，多数的研究还只是种间识别，而且这种识别基本上都是基于“叫声”的某一音节类型的。中国科学院动物研究所的科研人员利用语音识别领域的先进技术和模式识别的方法，在四种雀形目鸟类中进行了种内个体识别的研究。在声音识别过程中，他们并不以鸟类“叫声”的某一音节类型做识别特征，而是基于“叫声”的Mel频率倒谱系数（Mel-frequency cepstral coefficients， 简称MFCCs）进行特征分析，并得到了89.1-92.5%识别准确率。他们首次把高斯混合模型应用到了“叫声”的种内个体识别，并且在研究过程中建立了一个基于“叫声”的自动化种内个体识别模型。该模型能被应用于其它物种的基于“叫声”的种内个体识别。

该研究由中国科学院动物研究所生物多样性信息学研究组与鸟类生态学研究组合作完成，并得到了鸟类学研究组的大力支持。研究论文已经被Pattern Recognition杂志接受，即将发表在2010年第11期上。

Jinkui Cheng, Yuehua Sun and Liqiang Ji, 2010, A call-independent and automatic acoustic system for the individual recognition of animals: A novel model using four passerines, Pattern Recognition, 43(11): 3846-3852。（原文链接）