人工神经网络是一种常用的仿人脑的信息处理系统。目前，有关研究人员还主要用传统的计算机来模拟其功能。现代的各种实时、便携式应用迫切要求用硬件化的神经网络系统来替代传统的计算机仿真。 全世界目前有4500万盲人，而正常人生活中95％的信息是通过视觉获得的。为了提高盲人的生活质量，增加其行走能力，世界各国一直进行着盲人导行系统的研制。盲人导行系统的研究与开发目的在于应用便携、实时性强、识别能力高的智能设备，实现帮助盲人行走无障碍的功能，这一领域的研究无论在社会或技术上，都有深远的意义。 本文在分析了几种典型的基于FPGA(Field Programming Gate Arrays)的人工神经网络的设计方法之后，重点研究了基于布尔神经网络(Boolean Neural Network，BNN)的监督模式分类器的算法并进行改进，并设计实现了基于FPGA芯片的神经元感知器和基于BNN的监督模式分类器。 本文设计的基于BNN的监督模式分类器，具有单次训练、单次分类得到结果、吸引半径(ROA，Radius of Attraction)可调、容错性强等优点，并具有可扩展性，适用于5×7像素、7×9像素两种图像规模的模式识别。感知器与分类器的设计均选用Xilinx公司的ISE6.2i作为开发平台，xilinx公司的Spartan-II E系列FPGA器件作为实现芯片。 最后，本文描述了盲人导行系统的设计架构和工作流程，并把基于BNN的监督模式分类器应用到该盲人导行系统中，实现了实时的模式识别功能。该设计的目标芯片的外围电路简单，符合盲人导行系统便携的特点。 仿真结果表明，本文设计内容达到了设计需求，在神经网络的硬件化方面作了较好的尝试，并具有一定的应用价值。