人工神经网络(ANNs)是一个由大量相互连接的神经元组成的并行计算系统。如今,人工神经网络已经在信号处理、医疗、控制系统、商业、模式识别、语音识别等多个领域得到了广泛的应用。通常神经网络的实现都是采用基于软件的方法,但是在很多情况下必须要求神经网络能够进行实时运算,这是软件实现方法所不能实现的,所以必须寻求一种硬件实现的方法,能够体现出神经网络固有的并行处理特性,提高处理的速度。基于FPGA的神经网络硬件实现方法不仅能够提高处理速度,而且还能够节省硬件资源。首先介绍了人工神经网络硬件实现的方法和意义,以及典型的BP神经网络算法和RBF神经网络算法。对神经网络的学习模式,拓扑结构以及激励函数进行了讨论。神经网络硬件实现最重要的问题之一就是激励函数的硬件实现,选定Sigmoid函数作为BP神经网络的激励函数,Gauss函数作为RBF神经网络的激励函数。利用查找表和分段非线性函数逼近相结合的方法在FPGA上实现了Sigmoid函数,同样利用Xilinx的CORDIC算法IP核在FPGA上实现了Gauss函数,都做了仿真和误差分析,满足神经网络对精度的要求。其次,重点介绍了基于FPGA的BP神经网络和RBF神经网络的设计方法,对各个模块都进行了详细的设计。最后,通过Verilog HDL硬件描述语言描述,利用ModelSim6.1仿真软件和Xilinx公司的ISE10.1平台对设计的BP网络、RBF网络进行了仿真验证以及逻辑综合。并且进行了误差分析和性能评估,误差在10-2～10-3数量级,可以满足神经网络精度的要求,最高时钟频率可以达到100MHz左右,基本上可以满足神经网络实时运算要求。