神经网络广泛应用于模式识别、生物医学以及经济等众多领域,极大的推动了人工智能的发展。其中,光子脉冲神经网络在信息处理速度以及能耗等方面相较于传统神经网络具有一定的优势。作为光子脉冲神经网络中重要的信息处理单元,光子突触可以模拟人类大脑中存在的与学习和记忆紧密联系的脉冲时间依赖可塑性（STDP）学习机制,因而已经成为了当前的热门研究课题之一。特别的是,垂直腔半导体光放大器（VCSOA）因具有易集成、低功耗等优势而成为了一种理想的光子突触器件。因此,研究基于VCSOA的STDP学习机制对未来构建高性能光子脉冲神经网络具有重要的意义。本文从理论上研究了VCSOA的非线性动力学特性,着重讨论了系统参量对基于VCSOA的STDP学习机制的影响。研究结果表明,随着外部脉冲注入能量的增大,VCSOA的载流子消耗也随之增大,且载流子总的恢复时间几乎相同。对于基于VCSOA的光学STDP学习机制,STDP曲线窗口高度随系统偏置电流的增大而增大。对于较大的腔体积,STDP学习曲线窗口高度会随着系统内部损耗的增大而增大。当腔体积减小到一定程度后,系统内部损耗对STDP学习曲线窗口影响将变小。对于一定的腔体积,STDP学习曲线窗口高度会随着系统线性增益系数增大而增大。当腔体积减小到一定程度后,STDP学习曲线窗口的高度和宽度会随着线性材料增益系数的增大而呈现明显的减小。在系统中引入反馈信号后,系统可实现带有权重依赖学习窗口的STDP学习机制,且引入反馈信号后的权重调节过程会变得更加缓慢,其权重训练时间会有一定程度增加。当探针脉冲注入能量增大时,权重训练时间明显增大,但增大诱发脉冲能量能够很好地缩短权重训练的时间。此外,无论是探针脉冲还是诱发脉冲,随着波长失谐的增大,权重训练的时间均会增大。对于系统的内部参数,当底部DBR反射率（Rb）增大,权重训练时间呈现略微的增大,但权重训练时间会随着顶部DBR反射率（Rt）增大而减小。此外,腔有源区域半径（r）的增大也会导致权重训练时间的增加。但随着线性材料增益系数（a）、固定内部损耗（αl）以及内部量子效率（η）的增大,权重训练的时间会逐渐减小。