目前,脑电技术正快速发展,随着神经成像技术的不断发展,我们能够更为深入地探索人脑的工作原理以及生理机制。与此同时,随着科技的不断发展,出现了许多不同的应用工具,例如脑电图（electroencephalography EEG）,脑磁图（magnetoencephalography MEG）,以及磁共振（Magnetic Resonance Imaging MRI）都获得了长足的发展。对比其他技术,脑电图（EEG）是一个无侵入性的大脑神经元内部活动记录方式,能够很好地记录大脑在各个活动情况下的信号和变化。脑电信号是时间序列,包含了大量时域信息,研究者更加偏向于从时域的角度研究脑电。本论文从频域出发将脑电技术和逆问题结合,引入图结构估计算法,对溯源后的频域分析方法进行补充,从频域角度探讨闭眼（Eyes-Closed EC）以及睁眼（Eyes-Open EO）脑电源的变化特性。静息态睁眼闭眼数据作为实验参照而被广泛研究,但睁眼闭眼存在许多特性与差别仍然未知。本文主要用到的数据集是来自于古巴的古巴人脑图谱计划（Cuban Human Brain Mapping Project CHBMP）,探究静息态睁眼（EO）和闭眼（EC）条件状态下的机制差异性。主要工作如下:（1）对数据集的脑电数据进行预处理;（2）构建头模型、源模型、传递矩阵,使用谱结构化稀疏贝叶斯算法（spectral Structured Sparse Bayesian Learning s SSBL）方法对电生理源进行激活成像,得到激活矩阵数据并对睁眼（EO）和闭眼（EC）条件下的两者进行差异性比较;（3）利用隐高斯图状态空间模型（Hidden Gaussian Graphical State-Space-model HIGGS）方法对脑电进行连通性估计成像,并得到高维体素矩阵,并对高维体素矩阵进行筛选和稀疏化;（4）引入多种不同的图结构估计算法,设计实验并分析对比了差异性、优劣性,补充了溯源算法后的分析方法,利用有向无环图结构估计算法对划分之后的脑区连通性进行因果估计,对因果估计矩阵并进行检验以及结果分析;（5）综合激活成像以及连通性估计的结果对静息态睁眼闭眼状态的工作机制进行对比和分析。本文创新性地从溯源后的脑电频域信息出发,对静息态睁眼闭眼数据进行了激活成像以及连通性成像分析;创新性地利用有向无环图结构估计的算法,对溯源分析方法进行了补充,并对连通性成像分析进行了拓展,通过脑电激活与因果性分析揭示了闭眼睁眼两种条件下脑区的机制差异性。