大脑是人类中枢神经系统的重要器官,赋予了人类智慧与情感,以及诸多人类所特有的行为能力。然而人类对大脑及脑神经网络的运行机制知之甚少,同时各种脑部功能性疾病如帕金森、癫痫等等正威胁着很多人的健康。近年来,在无创脑功能成像(监测)技术手段的促进下,神经科学、医学和心理学领域的大脑功能研究获得了极大的进步。相对于功能型磁共振成像等常见脑功能监测技术,脑功能近红外光谱不仅有着较高的时间和空间分辨率,同时保证了无创、仪器便携性及经济性等实际应用要求。通过对大脑血液动力学变化的实时测量,脑功能近红外光谱信号直接反应了大脑特别是大脑皮层的氧代谢活动,从而实现了对不同大脑功能状态的监测。作为新型的脑功能监测技术,脑功能近红外光谱技术正逐渐成为脑神经研究中广泛应用的技术。但目前脑功能近红外光谱的信号或图像分析处理方法缺乏统一的标准,而在实际的脑功能研究中往往需要面对大量数据分析处理问题。因此,本论文致力于研究脑功能近红外光谱的脑血液动力学响应信号的分析方法,主要开展了下述研究工作:通过人体主要成分对近红外光的吸收和散射作用,介绍了脑功能近红外光谱分析技术所采用的基本光学原理。根据Beer-Lambert法则的修正和微分光程的确定方法,阐述了功能近红外光谱技术进行血液动力学参数测量和提取的基本原理。针对功能近红外光谱技术应用中,脑功能原始信号会受到各种噪声(特别是生理噪声和运动伪影)干扰的问题,对脑功能近红外光谱信号中噪声及运动伪影的常见去噪方法进行了简单的讨论和比较。在脑功能近红外光谱技术的信号特性及统计特征提取方法基础上,结合多元图表示原理,提出了脑功能近红外光谱的雷达图表示和变尺度的图特征提取方法。结合实际脑功能近红外光谱数据,对统计特征提取方法和与本研究所提的方法进行了对比实验。通过与传统方法在模式分类性能差异的对比,验证了基于多元图表示原理的脑功能近红外光谱特征提取方法。研究了以属性偏序理论为基础的脑功能近红外光谱分析方法,将变尺度的光谱特征提取向变尺度的模式分类工具拓展。提出了属性偏序结构图逐层生成算法,实现了以可视化的方法对脑功能近红外光谱在多个尺度上全面地分析,并进一步得出光谱数据中的结构化模式。借助有监督字典学习稀疏表示的基本理论和算法,提出了属性偏序表示序字典用于光谱模式的稀疏表示,并构造了相应算法工具来解决测试样本与属性偏序结构图模式匹配的问题。通过实际脑功能近红外光谱信号分析,对基于属性偏序理论的可视化模式分类方法进行了有效性检验。选用n-back前额叶工作记忆负荷脑功能近红外光谱信号,进行了前额叶工作记忆量化研究。通过n-back实验中脑功能近红外光谱信号血液动力学平均变化和雷达图特征的对比研究,证明了通过雷达图进行脑功能近红外光谱信号能够更好的实现信号的特征提取和可视化。应用本文提出的属性偏序表示序方法进行了前额叶工作记忆的量化研究,获得了比国外同类研究更高的分类精度。在上述研究的基础上,参考了脑功能近红外光谱用于临床麻醉深度监测研究的相关成果。本文提出了麻醉状态脑功能近红外光谱信号仿真方法。对模拟生成的麻醉状态仿真信号,应用了多元图特征提取和属性偏序方法进行了模式分类研究。为基于脑功能近红外光谱技术和本文提出的信号分析方法的麻醉深度监测研究提供了先期研究基础。