伴随着脑科学的兴起与发展,复杂脑网络被越来越多地用在对大脑的研究上,而脑机接口这种新型的能够让大脑和外界直接通信的技术也随之兴起。通过脑机接口,人们能够不需要肢体的配合,直接完成对外围设备的“脑控”。稳态视觉诱发电位（Steady-state visual evoked potential,SSVEP）在该领域应用广泛,它是大脑由特定频率的视觉刺激所激发的一种脑电信号。本文设计了多个基于SSVEP的脑电采集实验,并借助相关设备采集了多名被试者的脑电数据,基于采集得到的这些数据,从脑网络和脑机接口两大方面展开研究,主要研究内容如下:（1）本文基于复杂网络理论和图论的相关知识,利用脑电数据构建了基于相干性的功能脑网络和基于模态迁移的脑网络,并使用一系列网络拓扑属性以及显著性检验的方法进行比较和分析。分析结果表明:大脑枕部及顶部区域的SSVEP响应更为显著,而不同被试SSVEP响应幅度存在差异,SSVEP响应幅度越大的个体,其基于相干性的功能脑网络的聚类系数、全局效率和局部效率的值越大,而特征路径长度的值越小。此外,疲劳状态下所有受试者平均小世界属性均有所提高,说明进入疲劳状态会使得大脑的模态转换更加频繁,大脑的枕部区域局部网络的连接会有所增强。（2）本文分析了多种特征提取和分类算法,并经过分析和改进,提出了一种基于典型相关分析、滤波器组典型相关分析和任务相关成分分析的混合分析模型。将其与其它基本算法分别用于处理采集的离线脑电数据,经对比分析,该混合模型能在较短时间内达到较高的平均识别准确率和信息传输速率,性能优于其它的单一方法。（3）本文设计并实现了一个在线脑控游戏系统。其中包括编写了一个用于SSVEP控制和实验的视觉刺激模块、基于便携性脑电放大器的数据采集模块、基于混合模型的实时信号处理模块以及由自主开发搭建的3D迷宫游戏构成的控制及应用模块。经在线实验验证,该在线脑控游戏系统的平均识别准确率达到了81.46%,平均信息传输速率达到了20.29 bit/min,可以基本满足准确性和实时性的要求。