随着生活节奏的日益加快,人们更加迫切希望可以方便、快速的与计算机直接地进行交流。语音作为一种最理想的人机交互方式,使之成为该领域的研究重点。语音识别技术承载着这一使命应运而生。现阶段,语音识别技术还主要是基于线性系统的研究,从而羁绊着该技术的进一步深入发展,研究人员意识到要想取得实质性进展,非线性方法的引进刻不容缓。20世纪80年代以来,人工神经网络等非线性理论用于解决非线性问题成为研究热点。RBF作为一种新兴有效的前馈式神经网络,以其结构简单、训练速度快、分类性能好、泛化能力强等优点,在语音识别领域得到越来越广泛的关注和应用。RBF拓扑结构中的各参数是在训练过程中动态确定的,使网络具有更好的适应性。但是网络的性能对隐节点基函数的中心的选取非常敏感。文化算法作为一种新近的优化算法,具有良好的全局搜索性能。本文的研究内容为用文化算法优化RBF神经网络隐结点基函数的中心来提高网络的性能,并将其应用的语音识别系统中。研究工作主要包括以下几点：1、引进一种新兴的具有全局搜索性能的文化算法框架模型。由于该算法的研究还处于起步阶段,还未形成固有模式,模型的建立依赖于具体问题的设定,所以笔者针对本文研究的需要,对解决非线性无约束优化问题,设计文化算法框架的各组成部分。其中种群空间采用遗传算法,并通过仿真实验对文化算法与单独使用遗传算法时,算法的性能进行比较。2、设计小生境动态接收函数。文化算法的接受函数是影响文化算法性能的关键所在,直接影响算法的收敛性及执行效率。所以本文引入小生境算法中动态选择各小生境规模的机制,根据每次迭代后群体中个体实际情况自适应地调整接受优秀个体的数目,提出小生境动态接受函数。并通过仿真实验和使用已有的几种接受函数的文化算法的性能进行比较。3、用文化算法训练RBF神经网络来确定其基函数的中心来优化的RBF网络,并应用到语音识别系统中。