人工智能在21世纪成为世界各国抢占发展先机的热门领域。随着人工智能领域研究的不断深入,专用人工智能虽然在一些任务上取得了许多超人的成绩,但是也面临着许多问题和不足。在从专用人工智能迈向通用人工智能的道路上,类脑智能逐渐走进人们视野,以更强的生物可解释性不断拓展实现通用人工智能的可能。类脑智能作为前沿科技和产业变革领域之一,也于2021年被列入《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》。类脑智能研究离不开被称为第三代神经网络的脉冲神经网络,在近些年,脉冲神经网络领域也在许多方面取得了令人振奋的进展。脉冲神经网络是构建类脑智能的基础,逻辑运算既是构成复杂运算的基础,又是构成高级智能的基础,生物神经活动的本质是对外界输入信号和自激信号进行运算的过程。通过脉冲神经网络实现逻辑运算既具有生物合理性,又具有实际的应用价值,对人工智能领域向通用人工智能发展,类脑智能取得进一步发展具有重要意义。本文基于此开展研究,具体研究内容包括:（1）基于脉冲神经网络的逻辑运算范式设计。本文设计了一种统一的基于脉冲神经网络的逻辑运算范式Logic SNN,包括对在脉冲神经网络语境下逻辑变量定义和脉冲编码方式,脉冲神经元的比较及选用,范式网络结构设计以及确定网络训练方法。在脉冲神经网络语境下将二元逻辑变量的两个逻辑常量逻辑0和逻辑1定义为两个不同的神经元发放脉冲,即每一个逻辑变量的两个状态由两个独立神经元表示。在输入编码上采用时间域上的互斥编码,并通过训练,使输出也符合上述定义。经过比较,选择LIF神经元作为构建范式的脉冲神经元。范式网络被设计为训练阶段4层、应用阶段3层的结构。其中输入层,模式层,输出层为应用阶段从前至后的层级结构,训练阶段结构在上述层级结构基础上增加了教师层,并将其与输出层进行连接,用于网络训练。网络训练方法采用满足Hebb规则的STDP学习规则。（2）基于设计的脉冲神经网络逻辑运算范式的逻辑运算实现。为了验证所设计范式的普遍性、适用性以及效果,对所设计范式进行验证。本文基于范式Logic SNN对基本逻辑运算（“与”、“或”、“非”）,部分常用复合逻辑运算（“与非”、“或非”、“异或”、“同或”）以及部分组合逻辑网络（8421BCD码四舍五入网络、半加器、全加器）进行训练、实现,均达到了预期逻辑功能,验证了范式的可行性、普遍性、适用性以及效果。其中,基本逻辑运算“非”由于其反相特性,可采用仅包含输入层和输出层的两层网络结构实现。基本逻辑运算“与”、“或”以及复合逻辑运算“与非”、“或非”、“异或”、“同或”基于范式Logic SNN通过训练得到相应的逻辑运算模块,这六种逻辑运算模块体现了Logic SNN范式的网络结构统一特性,不同逻辑运算模块仅突触权重不同。组合逻辑网络8421BCD码四舍五入网络、半加器、全加器的实现,利用了Logic SNN范式的级联特性,在对网络逻辑功能进行分析后,使用训练好的逻辑运算模块进行“积木式”构建,实现对应网络功能。（3）基于脉冲神经网络的广义逻辑函数研究。本文根据逻辑函数的概念定义,将一般意义上的逻辑函数推广到广义逻辑函数。对传统机器学习算法决策树,和模式生物秀丽隐杆线虫的部分非条件反射行为进行了研究分析,并将其逻辑化。构建基于脉冲神经网络逻辑运算模块的决策树,实现IRIS数据集分类任务;基于脉冲神经网络逻辑运算模块对秀丽隐杆线虫在单刺激和多刺激环境条件下的觅食行为和回避行为进行了模拟仿真。上述实验均达到预期逻辑功能,将脉冲神经网络逻辑运算应用到更加广阔的领域。