1971年,蔡少棠教授通过电路理论的完备性提出了忆阻器的概念,它具有一系列的优良特性,如纳米级尺寸、非线性特性、掉电后信息非易失性等。因而在信息存储、控制电路、非线性电路、人工神经网络等领域有着广泛的应用前景。随着信息化时代的不断发展,人们迫切需要更加智能化和微型化的信息处理系统,通过模拟大脑神经系统构造人工神经网络,提供了可行的解决方案,并且一直是科学研究的一个热门领域。忆阻器的记忆特性类似于大脑神经网络中的突触功能,利用忆阻器有望构建更具仿生智能的神经网络系统,从而加速信息化处理的能力。本文针对忆阻值漂移现象,基于误差原理分析和实验论证,证明了利用双极性脉冲能够有效减少忆阻值漂移造成的误差。同时,设计了能够产生大小相等、极性相反对称脉冲的双极性脉冲电路,并将其应用于神经突触和神经网络。进一步,通过分析神经元和神经突触的原理,讨论设计了更加灵活的神经网络电路实现。本文主要工作包含了以下内容:(1)介绍了忆阻器模拟突触的原理和可行性,随后,分析了忆阻串并联电路的特性,包括串联结构和并联结构。基于忆阻器简单组合电路,进一步分析了忆阻桥突触电路的原理特性,包括四个忆阻器和五个忆阻器构成的桥突触结构。最后,结合细胞神经网络和忆阻桥突触结构,介绍了忆阻桥神经网络的结构和特点。(2)分析了忆阻桥模拟神经突触的原理,并分别讨论了线性和非线性惠普忆阻器模型下,突触模拟过程中产生的忆阻器阻值漂移现象。由于忆阻值漂移现象,会导致一定程度的模拟误差,推导了忆阻值漂移产生的机理,提出了用双极性脉冲的对称性减少这种误差。基于此设计了一种产生对称脉冲信号电路,将其用于忆阻器突触,减少了突触模拟误差,并进行了数值分析和仿真比较,验证了所提出方法的有效性。(3)基于双极性脉冲发生器的忆阻突触结构,将其与细胞神经网络相结合,构造优化的忆阻突触神经网络。由于减少了忆阻值漂移造成的误差,它的突触权值模拟更为精确。在细胞神经网络中,利用模板算子和图像像素的二值进行卷积能够实现一些图像处理功能,这种模板算子通常是数值构成的矩阵形式,因此将突触权值对应细胞神经网络进行图像处理中的模板算子,能够实现图像处理能力。与传统神经网络处理能力相比,本文中优化的神经网络显示出了更加优越的图像处理效果,通过Matlab仿真论证了该神经网络的有效性。(4)基于BP神经算法,设计了新型忆阻桥神经元与神经突触电路,它更灵活地实现了突触权值的更新。最后,构建了更加灵活的神经网络电路结构,通过巴普洛夫联想记忆实验仿真论证了该神经网络能够实现联想记忆的能力。