人体有着复杂的生理系统，在神经中枢的调节下表现出高度的复杂性与非平稳、间歇性和非线性行为，每一处控制机能都在不断的相互作用并构成一个综合的网络，任何一个系统的故障都会影响整个网络的正常运转。生理网络的开发有助于研究生理系统之间的相互作用、网络的拓扑和动力学信息以及与生理功能、疾病产生的关系。鉴于研究生理耦合网络具有重要的意义，本文主要做了以下工作：一、本文对传统时间序列符号化方法做出改进，在原有符号转移熵的基础上，创新性地采用动态自适应分割方法。由于传统的符号动力学采用静态划分方法，符号化的过程中丢失细节信息在所难免，尽管保留了动力学特征，但时间序列的非平稳性还是使结果受到严重影响。实验表明，应用改进的符号转移熵算法分析心脑电信号有更显著的耦合作用效果，能更好的跟踪信号中的动态信息以及系统动力学复杂特征的变化。二、本文应用改进的时间序列符号转移熵算法，进一步对睡眠分期的生理电信号进行耦合量化处理，计算脑电、心电、肌电之间的符号转移熵值，综合得到不同时期的耦合网络。与传统算法所得结果相比，有明显优势。实验表明，量化结果可以较为清晰的分析不同生理系统不同时期的交互强度与变化。三、本文综合应用小波分解技术与改进的符号转移熵计算方法，将脑电信号分解为、、和波四种不同的基本波，计算出EEG信号基本波与ECG、EMG相互之间的STE值，从而得到更为丰富的生理电信号耦合交互网络，实验发现，不同睡眠时期分别对应不同类型的基本波在耦合交互中占主导作用。通过量化生理网络中链接强度的相关动力学信息，分析各系统之间的相互作用，有助于追踪多个互连系统从一个生理状态向另一个过渡的演变过程，为临床医学中疾病的诊断与医治提供有效的方法和依据。