忆阻器（Memristor）的提出为细胞神经网络（Cellular Neural Network,CNN）的研究提出了一个新方向。CNN系统能够实现复杂的混沌动力学行为,忆阻器作为非线性电阻具有特殊的记忆能力,所以可以利用忆阻器构造忆阻CNN系统,来提高CNN系统的混沌特性。本文分别从物理可实现性和提高系统混沌度两个方面对忆阻器和CNN做了如下研究工作:通常具有光滑连续特性的器件具有更好的物理可实现性,为此,本文设计了一种具有光滑连续特征曲线的忆阻器模型,将其与CNN结合构造了一个四维忆阻CNN混沌系统,通过分析其相轨迹图、分岔图、Lyapunov指数谱、Lyapunov维数和多稳态特性证明了其具有复杂的动力学特性,所以,将四维忆阻CNN混沌系统应用在保密通信中。针对非线性系统中存在的不确定性问题,可以利用滑模控制方法来解决,考虑系统可能存在不确定性扰动,所以,采用滑模控制方法来实现混沌系统同步。为提高混沌系统同步性能,设计了一种新的滑模面,使发送端和接收端的同步误差能够在有限时间内收敛到零。通过将滑模控制四维忆阻CNN混沌系统同步应用在连续信号保密通信和图像加密中,实验结果证明了本文所设计方法的有效性。为了加强保密通信系统的安全性,构造了一个五维忆阻CNN超混沌系统,提高了系统的混沌度。通过分析其相轨迹图、分岔图、Lyapunov指数谱、Lyapunov维数和多稳态特性证明了其具有更复杂的动力学特性。在设计滑模控制五维忆阻CNN超混沌系统同步方法时,同样考虑了系统可能存在不确定性扰动的情况。将滑模控制五维忆阻CNN超混沌系统同步应用在连续信号保密通信和图像加密中,实验结果证明了本文所提出的五维忆阻CNN超混沌保密通信系统能够更好地抵御安全性攻击,有效保护信息安全。本文基于具有光滑连续特征曲线的忆阻器模型构造了四维忆阻CNN混沌系统,为了加强保密通信系统的安全性,设计了一个混沌度更高的五维忆阻CNN超混沌系统。同时,设计了新的能够加强系统鲁棒性的滑模方法来控制混沌系统同步。通过对图像加密的安全性分析,证明了五维忆阻CNN超混沌系统比四维忆阻CNN混沌系统应用在保密通信中具有更高的安全性。