目前大多数处理器均采用超标量超流水线结构来提高处理器的硬件资源利用率,加快CPU的运行速率,以满足人们不断提高的对计算机性能的要求以及日益复杂的软件系统带来的高性能硬件的实现要求。但是分支指令的存在却在一定程度上阻碍了超标量超流水线结构对处理器性能的提升。流水线深度越深,分支跳转失败带来的清空流水线的性能损失就会越严重。而且随着现代编程中实现的功能越来越复杂,分支指令的使用变得日益频繁,其对流水线微处理器性能的影响也更加显著。因此分支预测技术的应用对于减小流水线性能损失,提高高性能处理器硬件资源利用率,挖掘超标量超流水线结构的潜在性能起到至关重要的作用。　　本文首先详细介绍了几种经典的分支预测技术及其发展演变过程。通过比较这几种技术的预测效果和硬件实现代价,分析各种分支预测技术的优劣。其次介绍几种国产流水线微处理器的分支预测单元中采用的分支预测技术,分析分支预测技术在国内的实际应用现状。然后依据前文分析得到的分支预测技术的优劣性以及研究神经网络算法特征,针对传统神经元分支预测算法的缺陷提出改进算法,即在计算预测结果时,通过设置一个门限值η,剔除权重向量中对当前分支相关性较小的权重,减小该算法的运算量以减小其访问延迟,提高该算法的实用性。并通过Simple Scalar模拟器完成算法实现。研究表明,相对传统神经元分支预测算法,该方法能够实现较快的访问速度。