大脑是自然界中最为复杂的系统之一,通常会表现出丰富的时空动力学特征。不同频率的脑电(electroencephalogram, EEG)振荡反映着这些特征的变化,同时睡眠-觉醒周期中的各种时相亦反映着不同的脑功能状态。因此综合研究不同睡眠时相下各种EEG振荡的标度行为及其潜在机制,对理解大脑的动力学特征有着重要的意义。本文从动物实验入手,优化了适合于长期睡眠研究的、基于单道EEG的睡眠分期算法;然后用去趋势分析(detrended fluctuation analysis, DFA)方法研究了不同电极位置对应的EEG振荡的标度行为、不同时相下的各种EEG振荡的标度行为差异,以及在睡眠时相转换过程中起主导作用的EEG振荡,并利用马尔可夫幅度(Markov process amplitude, MPA)EEG模型研究了标度行为的潜在机制。主要工作如下:1.利用基于单道EEG的睡眠分期算法,研究了睡眠分期准确性在不同电极位置间的差异,得出了额叶中线前缘是最适合于睡眠分期的电极位置。2.优化了基于单道EEG的睡眠分期算法:通过比较四种组合(两种基于单道EEG的分期算法和两种电极位置)的睡眠分期准确性,证明可以通过增加分类参数、优化滤波器通频带和电极位置等改善睡眠分期的分类准确性,其中对快速眼动(rapid eye movement, REM)睡眠分期的准确性改善最为明显。3.研究了脑波音乐对大鼠睡眠和唤醒度的影响。结果显示,脑波音乐能提升大鼠的唤醒度水平并降低睡眠总量;脑波音乐影响非快速眼动(non-rapid eye movement, NREM)睡眠和REM睡眠的机制可能不同。4.利用DFA方法分别计算了不同电极位置对应的各种EEG振荡的标度指数,并比较它们在空间上的差异,以此来研究各EEG振荡源的特性。结果显示,不同电极位置对应的标度行为显著不同,其机制可能与睡眠相关的EEG振荡源有关。5.利用DFA研究不同睡眠时相下,各种EEG振荡的标度指数及其反映的长程相关性(long-range temporal correlation, LRTC),然后结合相应的MPA EEG模型的模型参数,进行进一步的理论分析和探讨。结果显示:(1)在每种睡眠时相中,各EEG振荡的标度指数随着振荡频率的升高而增大,这种变化表明,不同振荡对应的神经网络及其振荡机制存在差异;对每种EEG振荡而言,其标度指数在三种时相间的差异亦具有统计显著性,这种差异可能与睡眠-觉醒周期中的内外部事件相关。这些EEG振荡的标度行为及其长程相关性,可能反映了相关节律是内在过程的规则性和随机性共同作用的结果;这样,标度指数的变化在一定程度上就反映了大脑功能状态的改变。(2)标度指数的结果显示,高、低频成分可能采用了不同的动力学机制,即低频成分为1/ f噪声机制,而高频成分则为1/ f 2噪声机制。据此推测,低频成分可能在建立和维持大脑最为基本的功能和状态时起着关键作用,而高频成分主要参与相对较为高级的功能;这种功能分配允许大脑同时在多个时空尺度上进行可靠的信息处理和信息传递。(3)大脑中占据主要能量的低频成分具有长程相关性,说明大脑极有可能是一个自组织临界(self-organized criticality, SOC)系统。睡眠时相的转换可能是通过近似雪崩的形式实现的,而且低频成分在转换过程中可能起着主导作用。