移动机器人对于环境信息的准确识别是其实现自主导航和智能控制的基础,本文主要以移动机器人的障碍物环境模式识别作为研究重点。通过对障碍物模式识别算法的研究,本文提出一种改进的神经网络模式识别方法,并应用于移动机器人周围环境障碍物的模式识别,实现移动机器人对障碍物环境模式的准确分类,为移动机器人的下一步决策奠定基础。论文首先对移动机器发展概况和模式识别技术进行了阐述,通过对障碍物探测技术的比较,确定了超声探测的方案;其次在神经网络模式识别中提出一种改进的萤火虫算法(Improved Evolutionary Firefly Algorithm,以下简称IEMFA),通过matlab仿真测试基准函数,验证了改进萤火虫算法IEMFA在算法收敛速度和收敛精度方面都要优于基本萤火虫算法,改进萤火虫算法相比基本萤火虫算法在收敛速度上提高一倍以上,精度也提高一个数量级以上;然后将改进萤火虫算法应用到神经网络的网络参数优化中,优化后的神经网络比优化前在收敛精度上提高百分之八十左右;最后通过对移动机器人的运行环境以及工作条件的分析,设计了基于ARM9处理器的移动机器人障碍物环境模式识别系统,实现移动机器人的基本运动控制和传感器信息数据采集,将改进的神经网络模式识别方法应用在移动机器人障碍物环境模式识别系统中,并对系统进行了测试和分析,测试结果达到预期的目标,在一定程度上提高了移动机器人对周围环境的认知能力。