货币识别是对货币——通常是指纸币的币值、真伪进行鉴别。作为一种特殊的印刷品，不同面值纸币的大小、图案和材料各异，尤其是在流通过程中的污染、损伤，给货币的自动识别造成高度困难，更不论高速识别所带来的挑战。本文在对货币特征精确提取和分析的基础上，提出将前馈神经网络应用于货币识别问题，并结合统计分析方法，形成一套货币识别的系统方法。 本文首先对货币识别系统的技术现状进行了综述，在此基础上论述了货币特征的提取和选择方法，以得到最能反映分类判别特征的货币信息；然后分别研究了货币面值和真伪的识别方法。利用神经网络自动特征提取能力和容错特性，提出使用前馈神经网络对面值进行识别。在分析比较了几种前馈神经网络的学习算法后，提出尺度共轭梯度算法对网络进行训练，并针对现有网络训练方法提出了改进。利用特殊的传感器数据，通过对货币样本的统计分析建立货币的特征模式集，实现对真伪的快速、准确识别。本文在提出设计思想和具体实现时，不但充分权衡了精度和西安理工大学硕士学位论文速度的矛盾，而且考虑了实用性的要求，可以应用于实际的货币识别系统。最后，通过对流通人民币的识别实验，对本文所研究的算法进行了分析和验证。