大脑是自然界中最为复杂的网络,它的复杂不仅仅体现在数以亿计的神经元在空间上互相连接所形成的复杂结构,还体现在这些神经元通过大量的群集和彼此间相互的协同作用所形成的情感认知功能。因此,使用复杂网络理论来分析大脑网络中所蕴含的耦合关系,是近年来神经科学领域所研究的重点。复杂网络中有很多可以解释网络的效率和工作状态的指标,如平均距离、耦合程度、聚类系数、度分布等。不同的指标能够度量网络的不同性质。本文从复杂网络的结构稳定性的角度出发,探讨了脑网络同步状态的形成以及达到同步状态时网络的特点。根据复杂网络中李雅普诺夫稳定性理论,提出了适合应用在脑网络上的同步稳态模型,并给出了理论依据和证明,探索了脑网络达到同步稳态时的一个理论判据。同时使用了嗜酒成瘾的脑电数据和DEAP情感数据在对提出的模型进行了验证。在嗜酒成瘾数据集中分析了正常人和酗酒患者脑网络同步特征的差异,并使用DEAP数据集下的实验结论作为参照对比。主要工作如下:(1)在一般复杂网络同步模型上做了改进,使之可以适用于脑网络,消除了复变量的存在,使得动力学中一般主稳定方程可以以矩阵分解的形式应用在脑网络中,并且在构造过程中将系统稳定时的状态参数从一个变成了两个。使用坐标块下降算法对脑网络同步模型进行了变换,并构造了李雅普诺夫判别式,给出了一个判断脑网络是否达到同步的理论判据。(2)给出了由完整脑网络构造其子网络的一种节点选取规则——随机阿波罗方法,并分析了根据这种方法构造出的子网络随着网络规模的增加,其同步稳定状态的变化。(3)在嗜酒成瘾数据集上,使用电极做节点,并选取同步似然性来度量通道之间的相关性,构造了酗酒病人和正常病人的EEG功能脑网络,对比了两者脑网络同步的持续时间,和达到同步时网络的稳定状态,发现正常人的脑网络达到同步时间虽然长于酗酒病人,但其同步状态更加稳定,并通过独立成分分析揭示了其中的原因:正常人脑网络具有同步性极强的结点来引导整个网络达到同步状态,而相比之下,酗酒者脑网络的单个节点对网络的影响要小很多。(4)在DEAP数据集上重新按照同样的方法构造脑网络,并分析所得网络的同步时间,稳定性持续状态,以及结点对网络同步的贡献值,进一步证明了上述结论。本文通过对一般复杂网络同步模型进行了改进,使之能够应用在脑网络上,并通过两种数据集对模型的正确性验证,实验结果表明,所提出的模型能够较好的度量正常人和酗酒患者脑网络的同步特征,并且在同步的持续时间和稳定状态方面,正常人的脑网络都具有显著的优势。希望本文所提出的方法可以为今后脑网络的发展提供新的思路和参考。