膜计算是自然计算的重要分支之一,是根据细胞的结构及其处理信息的机理提出的一类分布式并行计算模型,通常将这类模型叫做膜系统,也可以叫做P系统。本文研究的是其中一种类神经型P系统,即脉冲神经P系统。将脉冲神经元间进行信息传递的方式融入到膜计算结构中所得到的一种分布式并行计算模型称之为脉冲神经P系统。受多个生物特性的启发,本文提出了2种脉冲神经P系统的变体,分别是带极性的多通道脉冲神经P系统和带反脉冲的变结构脉冲神经P系统。结合形式语言和自动机理论,从计算理论方面分别对其进行了计算能力、小通用性等内容的研究。论文的主要创新工作如下:(1)提出了两种脉冲神经P系统的变体。针对细胞膜具有多个不同的物质转运通道及细胞膜的电势差对细胞间相互作用具有重要影响的现象,构建了一种带极性的多通道脉冲神经P系统;将生物学中的结构可塑性特征和反脉冲引入,构建了一种具有反脉冲且结构可变的脉冲神经P系统。(2)建立了这两个变体作为数字生成和接收设备的通用性结果。通过模拟注册机,证明了带极性的多通道脉冲神经P系统和带反脉冲的变结构脉冲神经P系统作为数字生成和接受设备是图灵通用的。(3)建立了这两个变体作为函数计算设备的通用性结果。分别证明了一个由150个神经元组成的带极性的多通道脉冲神经P系统和一个由74个神经元组成的带反脉冲的变结构脉冲神经P系统均可以作为图灵通用的函数计算设备。(4)分别构建了这两个变体的最小通用的函数计算设备和数字生成设备。构建了一个由76个神经元组成的带极性的多通道脉冲神经P系统和一个由56个神经元组成的带反脉冲的变结构脉冲神经P系统的最小通用的函数计算设备;构建了一个由84个神经元组成的带极性的多通道脉冲神经P系统和一个由52个神经元组成的带反脉冲的变结构脉冲神经P系统可以作为最小通用的数字生成设备。