本文介绍了小波分析与神经网络的基础知识,阐述了手写体数字识别技术的基本原理,针对传统的手写体数字识别技术的存在的局限性,本文提出了基于Q-shitf小波和改进BP神经网络的手写体数字识别方法。在图像识别前,采用Q-shitf复小波和HGM模型对图像进行去噪处理。此外,针对经典BP算法收敛速度慢、易陷入局部极小等缺点和不足,本文修正了神经网络的输出层和隐含层、隐含层和输入层连接权值矩阵,加入了动量项,并调整了计算误差函数。利用小波较强的去噪功能以及改进后BP神经网络学习速度快等优点来解决手写体数字识别的问题。最后,应用MATLAB软件对经典BP神经网络算法及其改进BP神经网络算法进行了编程和仿真模拟实验对比,实验的结果表明,这些方法的使用对于BP算法的收敛性和易于陷入局部极小等缺陷有了很大程序的改善。同时,将改进的BP神经网络算法应用于手写体数字识别中,与传统的方法相比,该方法的识别正确率有了较大程度的提高。