近年来,符号语言,如LATEX,以及模板编辑器被越来越多的用于向科学文档中输入数学公式,但是,这类输入方式对用户的要求较高,且需要经过专门的训练。随着触屏设备的普及,手写输入作为人类最自然的输入方式,被越来越多的人使用,因此,手写数学公式识别技术也应运而生。不同于常规的手写识别,由于数学公式本身具有二维结构,在对其进行识别时,我们不仅要识别公式中的数学符号,还要识别公式中符号之间的结构关系,并且,符号识别要受到数学公式结构的影响,而数学公式的结构又依赖所识别的符号,这些都使得对手写数学公式的识别变得尤其困难。为了解决这个复杂问题,通常将数学公式的识别分为三个阶段,符号切分,符号识别以及结构分析。常规方法是将这三个阶段顺序执行,导致上一阶段的错误会遗留到下一阶段中,从而使最终的识别结果不高。针对该问题,本文实现了一种基于全局方法的联机手写数学公式识别系统。该系统通过使用二维随机上下文无关文法,将手写数学公式识别问题看作一个构建最大可能树的问题,从而从全局决定最大可能的识别结果。通过这种方式,数学公式的三个阶段(符号识别,符号切分以及结构分析)能够同时得到优化。另外,在符号切分方面,本文提出了使用笔画之间“距离”的概念来降低切分假设的数量。在符号识别方面,本文提出了将循环神经网络和卷积神经网络组合的方式,实现对符号的识别,从而提高了符号识别的准确率。最终本文通过编程实现了符号切分模块,符号识别模块以及结构分析的功能,从而实现了一个完整的联机手写数学公式识别系统。基于系统评测的结果和对比实验的结果,本文的系统在公式识别取得了很好的结果。在CROHME 2014的测试集上,公式识别率达到了35.18%,排在第三,证明本系统的性能较好。最后,本文通过编码实现了一个手写板,能够将用户的手写数学公式转换为LATEX格式,并最终展示出来。