当今社会生物识别技术已经成为非常热门的一项技术，而作为传统身份识别的指纹识别技术更是推陈出新，已应用于手机、电脑、银行、智能小区门禁、上班打卡等非常多的领域。在指纹识别的几个环节罩，指纹的特征获取和匹配是核心。在指纹的特征获取和匹配过程中存在大量的数据计算，同时识别结果也受到指纹图像内噪声的影响，所以一般自动指纹识别系统都存在运算速度偏慢、识别精度不高的问题。本文采取粒子群优化神经网络的技术，利用粒子群快速有效寻找最优解的能力和神经网络的容错能力，在提高运算速度和识别精度上做出新的尝试，得到了一定的效果。　　本文的工作具体涉及到以下几方面：　　(1)在进行指纹图像的获取工作时，本文将目前出现的几代指纹采集设备进行比较，分析这些设备的优缺点，并以此作为依据进行设备选择。最终我们选用最新型生物射频技术的指纹采集设备。　　(2)预处理工作中，本文利用目前出现的一些比较成熟的技术，首先对原始指纹图像进行滤波处理。经滤波得到相对质量较高的图像后，又相继开展归一化、二值化和细化等工作，最后得到可用与特征提取的指纹图像。　　(3)特征提取是非常关键的一个环节，得到特征的有效程度直接关系到识别的结果。本文介绍了两种特征提取的方法，针对提高系统速度，特别重点介绍了离散小波这种快度提取的方法。　　(4)在指纹的分类和匹配过程中，本文采用粒子群优化BP神经网络的分类和匹配控制器。训练过程中与传统BP神经网络控制进行比较，从训练速度和识别精度等各方面分析说明本文所用方法的优势。　　最后，我们对前面本文的相关研究做出总结，并在总结的基础上对未来进行了展望。