利用网络分析方法可以研究大脑各个区域结构或功能连接，为解释大脑深层机理提供更多的线索。本论文使用网络分析方法研究脑电节律信号，有别与传统单区域分离的研究思路，网络分析方法是一种大脑多区域联合分析的研究思路。采用的方法为基于典型相关分析（canonical correlation analysis，CCA）的相关网络计算方法和基于有向传递函数（directed transfer function，DTF）的脑功能模式特征计算方法。具体研究内容包括对诱发式节律稳态视觉诱发电位（steady-statevisual evoked potential，SSVEP）和自主式节律想象运动（motor imagery，MI）两种脑电节律信号的网络分析。本研究首先使用基于CCA的网络分析方法研究半视野刺激诱发SSVEP下激活的脑相关网络特征。结果表明，基于CCA的网络分析方法可以很好的分辨出半视野频率的神经交叉投影现象。在此基础上，提出了频率和空间联合调制的脑-机接口（brain-computer interface，BCI）系统。该系统的特点是使用较少的频率便可以呈现较多的刺激目标。目前，SSVEP的具体生理机制还不十分清晰，本文研究了不同频率诱发下SSVEP所激励的大脑网络模式。结果发现枕顶叶（parietal）区域是一个激励网络的信息交互枢纽（hub），亦即连接皮层（connection cortex），对于视觉信息的处理有着重要的意义。在进一步的分析中，本文首次提出了信息流增益（flow gain）的概念，利用该方法从脑信息连通的角度，以直观的形式呈现脑网络的信息流特征。想象运动是BCI的典型范式，本文分析其基于脑电的脑功能网络模式特征，对其中一名偏侧中风患者的功能连接模式图进行了较为细则的研究。与正常受试结果相比较，偏侧中风患者的脑电网络模式特征呈现出较强的对侧集中现象。这与该名患者一侧运动区损伤有较好的对应关系。利用想象运动脑-机接口对患侧肢体进行康复训练，结果证实该患者可以有效的使用想象运动来控制脑-机接口系统。此外，借由功能网络特征模式图观测训练过程中大脑的结构变化，初步结果表明该方法有可能为中风患者康复评估提供一个有效、直接的途径。本文还对生成网络做了一些探索研究，结果表明联合使用网络分析方法和图论工具对于脑科学的研究有重要帮助。