大脑具有复杂的神经元网络结构，通过接收、整合、传导和输出信息以实现记忆、认知、情感、行为等各种生理功能。大脑中神经信息的处理是通过各脑区及脑区间的协同作用完成的。神经元之间通过化学突触和电突触进行耦合构成神经元网络，而共振和同步则是神经元网络进行信息传递的重要机制。研究发现，同步异常是脑功能疾病的主要体现，对同步状态的研究可以为脑疾病的治疗提供依据。共振现象则对微弱阈下信号的检测和传递提供了可能。本文首先采用FitzHugh-Nagumo神经元模型通过混合的化学突触和电突触耦合构建了具有小世界特性的神经元网络，研究其振动共振现象。通过仿真研究发现，对所构建网络施加阈下信号时会产生振动共振现象，即存在最优的高频激励幅值使得神经元网络对低频弱信号的响应达到峰值。在相同信号输入的情况下，不同的网络结构参数也会对共振效果产生影响。对于局部输入，化学突触由于其选择性耦合会对信号传输具有更高的效率，而通过混合突触耦合的神经元网络比单一突触耦合的网络更有利于阈下信号的检测与传输。为了模拟不同脑功能模块间的同步机制，本文选择Rulkov映射模型构建了由小世界子网络组成的模块化网络，此网络中的神经元通过化学突触的兴奋性或抑制性方式混合连接而成。仿真结果表明网络拓扑结构和参数会对神经元网络同步产生重要影响，例如子网络内部的耦合强度的增大会有利于同步现象的产生而子网络间耦合强度的增大反而会对同步现象产生抑制，尤其是延迟时间的变化会诱导出明显的同步转迁现象。网络中突触的兴奋抑制比也是影响同步转迁的重要参数：较大或较小的抑制性突触比例对同步转迁的影响较大，而适中的抑制性突触比例影响较小。本文利用混合突触所构建小世界及模块化神经元网络进行的振动共振和同步转迁的研究，揭示了网络结构和参数对共振效果和同步性能的影响，为理解神经系统中信息的处理机制及作用规律提供了新的思路。