功能磁共振成像（functional magnetic resonance imaging,fMRI）由于其无辐射且可多次重复检测的特性,已被广泛应用于高级功能的神经机制、脑疾病等领域的研究。人脑是一个高度动态的系统,fMRI信号的频谱波动是人脑活动的重要反馈指标,对于理解脑的认知信息加工机制、疾病致病区域,以及脑区异常定位等都有着至关重要的意义。因此,基于时域与频域信息,本文提出三种针对脑部fMRI信号的时频分析方法,以解析大脑的时间域与频谱域的波动信息。研究工作如下:第一部分,本文基于频带划分理念,提出了频谱差异映射框架（spectrum difference mapping framework,SDMF）、频谱对比映射（spectrum contrast mapping,SCM）方法,用以分析人脑fMRI信号频谱之间存在的波动关系。SDMF的实验结果表明,利用频谱之间的关系,可以抑制噪音、增强低频区域的检测范围。为了进一步稳定定位的异常脑区及分析不同状态的脑区差异,本文基于每个体素的低频和高频带之间存在稳定的能量对比的假设,提出了SCM方法,使用静息态与任务态数据对假设进行了验证,并将其应用于帕金森疾病数据之中。研究结果表明,能量对比是一个有效的生物标志,可应用于揭示可能与大脑疾病的病理有关的异常区域,所提出的SCM方法能够表征能量对比程度,在解码大脑活动方面具有良好的可靠性。第二部分,本文基于时频波动信息,提出了时频波动聚类方法,用以分析人脑fMRI亚区的波动情况,构建亚区脑图谱。基于SCM方法定位的区域,本文采用99名独立被试者的fMRI数据,构建出普通成人静息态基线区域亚区脑图谱。然而,功能项的数据存在不断波动变化的特征,还需要进一步探究各个亚区的时频波动性质。本文将静息态下不同状态的数据分别应用时频波动聚类算法,并将划分的结果与普通成人的亚区脑图谱相比较。研究结果发现,在基线区域存在部分具有高灵活性、波动性的体素,主要分布于默认网络周边区域;而部分较稳定的亚区也会受到状态或职业的影响。最后,本文基于MATLAB开发了fMRI数据时频分析软件包,以实现fMRI信号的时频分析功能以及本文提出的脑部fMRI信号时频分析方法的复现。该论文有图33幅,表1个,参考文献93篇。