传统的计算机体系结构是静态的,工程师在进行处理器芯片设计时,芯片能够执行的功能通常是固定且不可更改的,导致现有的计算机硬件系统缺乏一定的灵活性与可控性。可重构技术使得未来的计算机体系可以根据消费者的不同需求动态地改变内部器件的结构和功能,这是一种新型的动态的计算机架构体系。可重构计算与可重构硬件设计的相关研究是构建这种新型计算体系的关键技术之一。本文以建立一个基于细胞神经网络的可重构动态逻辑计算模型及其电路实现的体系为主要目标,分别重点研究了非耦合标准CNN、非耦合异构CNN以及耦合标准CNN三类CNN模型,探讨了这三类模型构建可重构动态逻辑电路的设计思路与实现方案。在考虑工程应用的前提下,提出了设计细胞模板参数的一般性准则,并运用差分进化算法对参数进行优化求解。为解决CNN实现多输入量线性不可分布尔函数（Non-LSBF）的问题,提出了一种改进型CFC线性不可分布尔函数分解算法,并通过构建一种非耦合异构CNN模型,以更少的硬件资源实现（Non-LSBF）。本文对利用具有复杂动力学特性的耦合标准CNN实现具有可重构功能的多输入多输出逻辑功能电路也做了较深入探索,拓宽并发展了动态逻辑电路的设计理论。论文主要研究内容及贡献包含以下几个方面:（1）研究非耦合标准CNN动力学特性,分析非耦合标准CNN收敛于稳定二值状态时参数约束条件,提出更为简洁且适于实际电路实现的CNN模板参数设计原则,成功构建了14种基本两输入单输出动态逻辑门。设计并验证了基于运算放大器的单细胞电路。同混沌系统相比,基于CNN系统构成的可重构计算单元更易于VLSI实现,并具有对初始值依赖度低等优点。（2）分析并扩充了实现较大规模可重构组合逻辑、时序逻辑电路模块的思路与方法。通过改进经典CFC分解算法,降低了电路的硬件资源开销。在可重构时序逻辑电路方面,设计了一种基于非耦合标准CNN的可重构D触发器,通过调整细胞模板参数值,可动态实现时钟边沿可控的单边沿D触发器以及双边沿D触发器。（3）提出构建非耦合异构CNN来实现多输入量Non-LSBF。依据一定优化准则,对表示多输入量Non-LSBF的高维空间数据样本进行降维投影处理,从而建立起相应的判别式方程表达式,并构造出两类非耦合异构CNN模型结构。采用非耦合异构CNN模型实现Non-LSBF可较大地简化系统结构,减少实际电路硬件资源的占用。（4）由于耦合的CNN系统具有更丰富的非线性特性,本文设计了一个具有外部输入的三元耦合标准CNN模型来构造多输入多输出可重构电路。首先分析了这个三元耦合标准CNN模型的稳定性,然后以此模型为基础实现了一个3-bit的具有可重构功能的联想记忆电路,并深入探讨了该模型的系统状态变量xi的初始值对实现联想记忆功能的影响。（5）通过分析CNN系统收敛于二值稳定状态的基本约束条件,在考虑工程应用的前提下,针对不同类型的CNN模型,提出了一个适用于工程实现的细胞模板参数设计准则,将细胞模板参数求解与优化问题转化为一个非线性规划问题进行求解,采用差分进化算法对该优化问题进行求解。最后选取几组模板参数带入到电路中进行验证并对仿真结果进行分析。