我们通过研究心理语言学实验结果得知“感知磁效应”（perceptual magneteffect）是影响婴幼儿语音发展的重要因素之一，这种效应会造成听觉感知空间的扭曲，使一个音位(phoneme)周围的声音都会被归为同一类。本研究的目的是运用人工神经网络建立一种能模拟语音感知(speech perception)、语音获取(speechacquisition)和语音生成的模型，并以人工神经网络的非监督式学习(unsupervisedlearning)方式让模型能从语音的共振峰中找出音位的语音分类(phoneticcategory)，来模拟人类从听觉上获取语音的过程。本文通过改进自组织映射(Self-Organizing Map，SOM)算法和比较心理语音学实验的结果，让模型呈现英文发音的听觉感知空间。从模拟结果显示模型能辨认英文辅音/r/与/l/、典型音与非典型音的差异以及形成元音的听觉感知空间。本文通过模拟语音感知及结合具有语音生成能力的神经网络模型(Directions IntoVelocities ofArticulators，DIVA模型)，呈现人类获得发音能力的过程。目前除了让修改后的DIVA模型能学习英文元音以外，更进一步的推广至中文元音发音。未来将继续发展本论文研究的模型，希望能用于探讨大脑与语音之间的关系，借此衍生至临床上医学的应用。