现如今,随着人工智能、类脑计算等信息技术的发展以及物联网、通信网等基础设施的建设,这些新兴产业给人们生产生活带来便利的同时,也产生了海量的数据供我们处理,那么对于设备以及网络的处理速度和反应能力也有着更高的要求。忆阻器作为一种纳米级的元器件,既有阻值可变性、非易失性、类突触特性等优点,也有着更高的集成度、更低的功耗、更快的读写速度,在存储电路、逻辑计算和类脑计算等领域有望大幅提升数据处理能力和机器学习能力,对于构建新一代智能信息处理系统有着非常重大的意义。脉冲神经网络是对真实生物神经网络更具合理性的模拟,它将现实世界的信息编码成脉冲序列来实现其功能,具有低功耗、高时效性、实时性等优势,在联想记忆、模式识别、图像处理等方面有着巨大的应用潜力。二者的结合为构建存算融合的智能系统,实现大规模的数据处理提供了非常可行的方案。本文基于忆阻器和脉冲神经网络的研究成果,将二者相结合,探究基于忆阻器的脉冲神经网络的实现方案,具体内容如下:（1）详细介绍了常用的三种忆阻器模型,即惠普忆阻器、自旋忆阻器、电压阈值自适应忆阻器,通过数学表达式描述了各个忆阻器模型忆阻值变化的机制,并且通过MATLAB仿真实验研究了它们的忆阻特性,为后面基于忆阻器的研究提供基础支持。（2）基于惠普忆阻器模型,总结归纳出其经典的窗函数模型的优缺点,在此基础上改进提出一个新的通用窗函数,给出模型中可调参数的取值范围,进一步对使用新窗函数的忆阻器模型进行仿真实验,观察其忆阻值、状态变量等一些重要物理量的变化情况,验证其有效性,并且将其与经典窗函数模型进行对比分析,清楚地展现其存在的优势。（3）基于忆阻器和突触在结构上的相似性,通过数学公式建立起忆导值的变化和突触权值变化的关系,并就忆阻器的串并联电路进行了讨论,在此基础上,使用电路分析及数值仿真等手段对现有的忆阻突触电路进行全面的概括总结,为下一步构建神经网络奠定基础。（4）结合脉冲神经元的生理机制对使用较为广泛的三种神经元模型---HH模型、LIF模型以及IZ模型进行了详细的论述和有效的仿真,进一步实现基于忆阻器的脉冲神经网络,其中包括对LIF模型的改进、对神经网络结构的阐述以及对训练算法的数学推导,最后,通过标准的手写数字体识别数据集（MNIST）来充分验证整体方案的可行性和有效性。