作为人工智能领域的重要研究方向之一,神经网络被广泛应用于模式识别、图像处理、机器人控制等领域。神经网络的研究包括网络结构、网络训练、网络应用,其中网络训练大部分采用软件方式实现,但是速度慢、并行性差等问题制约了其应用。因此出现了用硬件实现神经网络的技术,其中用FPGA实现神经网络是研究方向之一。FPGA具有并行处理速度快、灵活可靠、设计周期短、成本低等优势,由于神经网络的运算也具有并行的特征,因此用FPGA来实现神经网络可充分发挥其优势,大大提高训练速度,进而扩展神经网络应用领域。本文研究用FPGA来实现BP神经网络训练和识别的方法,以手写数字识别系统作为研究对象,用FPGA实现了一个3层BP神经网络,可用来识别手写数字。手写数字样本来源于MNIST数据库,以此为原型建立3层BP神经网络结构。根据BP神经网络训练和识别算法,推导出用FPGA实现BP神经网络的公式和算法,包括前向运算、后向运算、训练循环等,用Verilog语言设计了全部代码,用Quartus II 13.0进行了逻辑综合,基于Modelsim-Altera进行了功能仿真。结果正确,运行可靠。文中分析了BP神经网络原理,给出了公式推导及实现算法,系统结构及各模块实现,测试方案,仿真结果及分析,数据定点处理,激活函数及其导数实现方法,矩阵运算原理等。本课题研究用FPGA来实现基于手写数字识别的BP神经网络的训练和识别,该结果可移植于其他BP神经网络的训练和识别,并为进一步研究其他类型神经网络的FPGA实现奠定了研究基础,进一步完善后可应用于实时、小型嵌入式人工智能系统。