复杂网络已经作为重要手段被广泛应用到脑功能研究中。从神经元之间的突触连接,到神经元群间相互依赖的非线性动力活动,再到大脑区域间的因果交互作用,脑网络的研究从结构、功能和效率连接的不同层面反映了大脑的活动状态。静息态下的缺省模式脑网络,以及有任务刺激条件下的事件相关脑网络的分析都为脑功能和脑认知的研究提供了新的信息。脑电能够检测时间尺度上的神经电活动。由于具有高时间分辨率,基于高密度电极记录的脑电越来越多地被用来研究脑网络。基于脑电的脑网络可以在头表构建,也可以通过源定位在皮层上构建。利用脑电研究头表脑网络必定受到参考电极的影响。选择一个恰当的参考是构建正确的脑电脑网络的基础。探究几种常用参考(平均参考,连接耳参考,左耳参考,无穷远参考)在构建脑网络时引入的误差,找到合理的参考方式是本文的研究任务之一。另外,在事件相关脑网络研究中,事件相关电位(event-related potential, ERP)成分的准确度对脑网络的构成起着关键作用。在短间隔刺激实验中,刺激成分之间存在着相互迭加的现象,传统的平均叠加可能会造成成分失真,需要分解出可靠的ERP成分。因此本文将这两个脑电分析的基础问题,引入静息态缺省模式网络和空间定向事件相关脑网络的具体研究中,对参考问题和脑网络分析方法进行了细致的探讨。主要内容包括:1.通过仿真,比较不同参考在脑电相干分析中引入的误差以及对脑网络构建的影响,发现基于参考电极标准化技术(Reference electrode standardization technique, REST)的无穷远参考能够有效地减小误差并客观地展现脑网络。2.对静息态脑电进行谱分析,发现不同参考对能量、空间分布,加权重心和相干系数等都有显著的影响。利用相干分析结果对脑电缺省模式网络进行构建,发现与REST参考相比,其他参考都引起了脑网络明显的失真。3.利用一种稳健的成分分解算法对短刺激间隔的空间定向ERP进行成分分解。分析空间定向ERP的成分特性,发现成分分解算法能够有效改善成分混叠问题。通过计算节点间分解出的ERP成分的同步性,展示了符合神经生理机制的事件相关脑网络连接。