近年来,模式识别技术发展迅速,已在安防监控、人机交互、医学诊断等方面得到广泛应用,给社会带来智能化革命。模式识别各类算法的实现主要依靠基于晶体管的冯氏结构计算机,甚至新型的非冯结构计算芯片。然而,由于电路元器件“存”“算”分离的特性,导致了“存储墙”和“冯·诺依曼瓶颈”问题的发生,严重制约了模式识别算法的运算速度,也增大了电路的功耗。忆阻器的发展为信息存储与计算功能的融合提供了科学可行的路线,但目前国内外提出的利用忆阻器搭建的模式识别模型仍存在结构简单、可识别类别少、准确率低等问题。论文针对以上问题,采用忆阻器对模式识别模型设计进行探索,并以人类动作识别作为应用对象对模型进行实验和测试。论文在现有的模式识别模型的基础上采用忆阻器进行多个维度动作信号识别模型的设计,研究了两类忆阻器模型的原理以及模型参数对忆阻器特性的影响,分析比较了各类忆阻逻辑电路与忆阻人工神经网络的结构与计算方法。论文参考已制备成功的忆阻器参数进行忆阻器模型建模,针对一维的加速度动作信号,设计基于忆阻逻辑电路的模式匹配电路模型,针对三维的视频动作信号,设计忆阻交叉阵列,并应用于忆阻人工神经网络,以此完成对多个维度动作信号的识别。论文的主要创新点包括:（1）将忆阻逻辑电路应用到一维加速度动作信号识别中,取得了较高的识别准确率;（2）针对二维卷积无法保护视频帧序列在时间维度上动作信息的完整性,导致视频识别准确率低的问题,采用三维忆阻卷积神经网络,提高了视频动作信号识别的准确率;（3）针对使用加速度传感器采集的一维加速度动作信号存在噪声,导致识别准确率低的问题,论文采用基于阈值的小波去噪方法,提高了对加速度动作信号的识别准确率。经实验验证,论文提出的基于忆阻器的模式识别模型可识别的动作种类多并且识别准确率高,对一维的加速度动作信号实现了89%以上的识别准确率,在三维的UCF101视频动作数据集上实现了70%以上的识别准确率。论文为忆阻器用于新型高能效模式识别模型做了有益探索,进一步证实了忆阻器在模式识别应用中的巨大前景。