近年来，基于spike神经元模型的人工神经网络(Spiking NeuralNetworks，简称SNNs，我们称之为脉冲神经网络)受到了人们的很大关注，被誉为下一代神经网络。spike神经元模型是利用神经元触发的脉冲时序来进行信息的编码和处理，而不是用触发脉冲的平均速率来进行编码。因此SNNs编码方式具有很好的时态性，非常适合分析处理基于时间结构的数据。有研究表明SNNs比一般的神经网络具有更强的计算能力，而且前者所需神经元数目或层次也比后者要少。不过目前对SNNs的研究主要是理论、算法等方面，在实际应用方面的研究比较少。本文结合了脉冲神经网络处理时态问题上优势，以及最近学术界的研究的热点，就基于脉冲神经网络这一理论来解决语音识别问题进行探讨和研究。本文系统地介绍了脉冲神经网络的相关理论，包括Spike神经元的模型，脉冲编码方式，动力学原理及表示，著名的H-H方程，以及网络结构和相关应用。较全面地介绍了语音识别技术，并分析了语音识别所面临的问题及前景和应用。清晰地给出了用脉冲神经网络来进行语音识别的方法和步骤，在脉冲神经元的仿真上使用比较经典的H-H方程，同时利用圆映射的方法将神经脉冲序列转变为符号序列，最终由符号空间转变到距离空间来进行计算和匹配。最后用软件完成了基于脉冲神经网络理论的孤立词语音识别的实验，通过调节H-H方程的部分参数提高了系统的识别率。