随着超大规模集成电路(VLSI)进入深亚微米级领域,电子设备集成规模日益庞大,而晶体管本身尺寸已接近极限,其可靠性和稳定性在逻辑运算,信息存储等方面面临着日益严峻的挑战。近年来,人工智能和人工神经网络发展迅猛,但也同样受限于晶体管尺寸而无法实现大规模硬件实现。忆阻器作为下一代高性能的阻变存储设备,其纳米级尺寸和非易失性存储的特性,有望延续“摩尔定律”,也契合了神经形态系统大规模实现。随着忆阻器理论的日臻完善,阈值自适应忆阻(TEAM)模型开始受到越来越多研究者的关注,一方面它将忆阻器内部状态跳变阈值定义到模型内部,填补了经典二端惠普模型中阻变阈值表达的缺失;另一方面,TEAM模型以塞蒙斯隧道结(Simmons Tunnel Model)理论作为物理依据,使它成为更接近实际情况的忆阻器模型;最后,其参数可调展现出的灵活性,使TEAM模型有望成为下一代通用忆阻器模型。将阈值自适应忆阻模型应用于逻辑运算、交叉阵列存储和神经形态系统不但能大大降低电路体积,也更利于探究实际忆阻系统特性,对忆阻系统大规模集成具有重要意义。本文针对阈值自适应忆阻模型,在分析其内部特性和组合电路的基础上,将其应用于逻辑运算、多值存储和小波神经网络的神经形态系统中,具体如下:(1)总结基本忆阻器模型和几种典型窗函数,并用于模拟忆阻器内部离子边界漂移特性。在此基础之上,介绍Simmons隧道结模型和两种阈值自适应模型(电流阈值TEAM、电压阈值VTEAM),推导出阈值自适应模型窗函数表达式,通过仿真可见阈值自适应忆阻模型和Simmons隧道结模型的高度拟合性。(2)提出基于阈值自适应忆阻模型内部多参数的蒙特卡洛分析方法,通过蒙特卡洛分析揭示了阈值自适应忆阻模型上下边界单边可调性、开关变换非对称性等内部机理。进一步,对TEAM进行串并联组合电路仿真分析,展示组合电路总阻值变化规律及其极性对阻值的影响。(3)针对阈值自适应模型中不同极性的阈值电压,提出VTEAM组合逻辑运算电路,进而仿真实现与、或、非、与非、或非五种逻辑运算,推导了不同逻辑组合的外加激励限制条件。此外,提出了一种基于TEAM模型的新型忆阻交叉电路存储结构,相较于以往忆阻交叉电路,该结构采用了多值电压控制方式,在多值图像读写方面并行处理性能更为优良。(4)将阈值自适应忆阻器与小波神经网络相结合,提出忆阻小波神经网络(MWNN),推导VTEAM在不同周期脉冲激励下忆阻值的连续变化,证明了VTEAM模型作为电子突触实现动态权值更新的可能性。进一步将完成的硬件化的MWNN用于短时交通流预测中,验证了整个设计的正确性。