探索和揭示神经系统的信息处理机制是神经科学领域的前沿课题。在神经信息处理过程中，信息通过神经元的电生理活动进行编码。深化对神经电生理活动的动力学分析，对于理解神经信息处理机制具有重要意义。为了研究神经电生理活动在介观层次的动力学特征，本研究利用多电极阵列系统，多位点、同步记录了体外培养海马神经元网络在不同发育时期的自发电信号，并结合使用多种非线性方法分析其内在特性。主要研究内容如下：对体外培养神经元网络的自发电信号进行预处理。根据重现量化分析理论，提出一种从单电极记录到的信号中识别簇发活动模式的新算法，准确率为92.89±2.64%。改进现有的分析方法，根据电信号的特性自适应地设置检测阈值，从多电极同步记录到的信号中提取出同步簇发活动这一典型群体发放模式，准确率为91.17±3.11%。对自发电信号进行初步分析，发现其时频特征在1至2个小时这个时间窗口内没有发生显著变化，具有内在平稳性。为了从体外培养海马神经元网络的自发电信号中准确地提取出非线性特征，结合使用最大李亚普诺夫指数、分形指数和近似熵等三种非线性方法，分别分析其局部动力学行为和全局动力学行为。通过评估非线性方法的一致性、抗噪能力和区分状态能力，首次明确指出：最大李亚普诺夫指数可以有效地提取出神经元网络局部动力学行为的混沌特征，分形指数能够准确地识别出全局动力学行为的分形特征。使用最大李亚普诺夫指数分析10个体外培养海马神经元网络的局部动力学行为，发现网络发育过程中局部行为混沌特征的变化规律表现为混沌模式突现于神经发育的早期和中期（发育周期的18.98±2.30%至41.35±3.64%），在这一时期内混沌程度呈现出单调上升趋势。对混沌模式的时域特征进行分析，发现混沌模式和分岔模式周期性交替跃迁，通往混沌的道路为阵发。对混沌模式的空间特征进行分析，发现网络中不同位点的混沌模式具有同步性，混沌的程度与活跃位点的数目呈现出正相关关系。使用分形指数研究体外培养海马神经元网络全局动力学行为的发育变化，发现全局行为的分形特征随网络的发育呈现出倒“U”型分布。为了进一步研究分形动力学行为在网络发育过程中的产生和维持机制，根据不同位点间的互信息值构建了神经元网络的功能结构，并分析了分形指数与功能结构特性之间的关系。结果表明，分形动力学行为的变化与功能结构拓扑特征（功能单元数目和小世界特性）的改变密切相关。本文在介观层次研究了神经元网络的非线性动力学特征，有助于挖掘电生理信号中隐藏的神经编码信息，为揭示神经信息处理机制提供了全新的视野。