در این پایان¬نامه یک سیستم شناسایی حروف انگلیسی با دقت تشخیص بالا طراحی و پیاده¬سازی شده است. در این سیستم نشان داده شده که فقط با استخراج ویژگی¬های مناسب از نمونه¬های اعمالی به سیستم، بدون آن¬که پیش¬پردازشی بر روی نمونه¬ها صورت گیرد، می¬توان توسط شبکه¬ی عصبی پیشخور عمل طبقه¬بندی بر روی فضای ویژگی را با بهترین دقت انجام داد. شبیه¬سازی این سیستم توسط نرم¬افزار matlab با مجموعه¬ای از 1560 کاراکتر انگلیسی انجام شده است. نتایج حاصل نشان دهنده صحت عملکرد این سیستم در تشخیص حروف انگلیسی می¬باشد. سپس شبکه¬ی عصبی تعلیم یافته، جهت افزایش سرعت، کاهش توان مصرفی، افزایش راندمان و کاهش اندازه بر روی سخت افزار fpgaپیاده سازی شد. در پیاده-سازی این سیستم علاوه بر روش سریال – موازی از راهکارهای دیگر نیز جهت کاهش حجم سخت¬افزار و افزایش سرعت پردازش عملیات استفاده شده، که نسبت به روش¬های سریال، بخشی موازی و تمام موازی از نظر حجم سخت¬افزار، مدت زمان عملیات پردازش هر نرون و مدت زمان پردازش کل سیستم، بهینه¬تر می-باشد. برای پیاده¬سازی سیستم طراحی شده بر روی fpga از زبان برنامه¬نویسی سخت¬افزاری verilog استفاده شده است و سپس این طرح با استفاده از نرم¬افزار ise بر روی fpga spartan-3 مدل xc3s400 شرکت xilinx شبیه¬سازی، سنتز و پیاده¬سازی شده است. سطح اشغال شده از fpga spartan-3 برای پیاده¬سازی این طرح 98% است، به طوری که این تراشه قادر است 260 نمونه¬ی تست را در 1336.27 میکروثانیه با فرکانس 50 مگاهرتز تشخیص دهد. درصد شناسایی کل سیستم 95% می¬باشد.