在军、民用非协作无线通信中,只有快速、准确地完成调制识别,相应采用正确解调方法,才能及时、正确接收来自多个发送源的信号。传统调制识别方法识别效率较低,依赖人工干预,面对当前复杂无线通信环境时力不从心。近年来基于神经网络的调制识别被视为实现自动识别的全新技术途径而广受重视;然而其发展也遇到瓶颈,表现在传统的计算架构在移动应用有限的资源下难以处理神经网络所需的海量数据,限制了识别效率和正确性的提升。基于神经元器件的神经网络电路则具有运算效率高、占地面积小、功耗低的优势,引起开发者高度关注。本文面向智能调制识别,从基础器件研究着手,构建了相关的神经元器件与功能电路,完成了性能分析,探讨了识别器电路的应用方式。论文的主要工作及进展包括:一、设计了一种可学习的“单选通管/单忆阻器”(1S1R)电路单元结构,并进行了特性分析和初步实验验证。理论上,该1S1R结构不仅与其他忆阻器一样具有学习能力,还具有抑制潜行电流、自限流的优点。通过磁控溅射技术制备了薄膜型自限流选通管初样,并采用退火工艺对异质薄膜界面结构进行了优化,实际测试表明,样品性能得到大幅提升。针对选通管器件建立了基于氧化还原反应的理论模型,解释了阻变开关、自限流特性和耐久失效机制。将制备的新型自限流选通管与两种忆阻器串联组合起来,设计出可学习电路单元,电路仿真结果表明,其性能优于常规忆阻器,而且可以用叠层工艺制备,有利于提高集成度。二、借助三维集成中的硅通孔(Through Silicon Via,TSV)技术设计了一种新型的三维化神经元晶体管,这一晶体管在原理上类似于平面CMOS集成电路工艺实现的浮栅结构神经元晶体管,可以集成到三维集成组件的转接板中,有利于在不额外增加芯片面积的前提下实现神经计算电路的高密度三维集成,提升组件的功能度。仿真分析表明,该器件具备良好的神经元计算功能。三、进一步将1S1R电路单元和新型三维神经元晶体管结合构建了三维化的Rosenblatt感知器型神经元电路。相比于传统神经元电路,1S1R结构的阻值可以从外部借助电激励信号写入,并且在神经元电路工作过程中保持不变,这意味着在实际应用中可以通过训练改变该神经元的行为特性,在硬件层面实现学习。基于这一原理,将1S1R电路单元与神经元晶体管组合,构建了一种采用神经网络原理的识别器电路。仿真表明,该识别器可以对多位输入数据进行智能识别。最后对该识别器电路在调制的智能识别方面的应用方式进行了探讨。