脑电图/脑磁图具有无创性和精确到毫秒的时间分辨率等特性而成为一项重要的研究脑神经活动的工具。时空脑电源成像技术MUSIC和Beamformers具有三个特点:一充分利用数据的时间特征;二避免陷入单时刻偶极子拟合优化过程中的局部极小值;三能够获得源的时间过程,获得广泛关注和应用。然而,由于他们都是基于数据相关矩阵的二阶统计量的方法,哪么就隐含了一个约束条件:源之间的时间过程应该是独立的或者不相关的。在实践中,这两种方法对高度相关源比较敏感,会导致较大偏差或者定位失败。而且,对于Beamformers,源之间的相关会导致重建波形畸变。为了解决这个问题,我们通过改进经典的方法,提出了自己的方法来改善或者解决这些问题。本论文的主要创新点如下:1.设计特别的变换矩阵,把原始的记录变换到新的数据空间。在变换过程中,压制掉相干干扰源区的活动,从而移除它对定位的影响。在新的数据空间应用经典的时空定位方法将会得到相干源的正确定位。2.相干干扰源区压制的方法有一个缺点,当源在区域的边缘时,定位误差较大。我们提出了加权源区压制的方法,可以自适应地压制相干干扰源,极大地提高了这种情况下的定位性能。3.对于Beamformers,由于源间的相关,将导致重建的波形发生较大的畸变。我们提出一种迭代Beamformers来改善性能。这种方法通过点源压制的方法,移除源间的相互影响,可以合理精确地重建相关源的时间过程。4.经典的时空源定位方法有两个弱点:不能定位高度相关源,尤其距离较近;强源附近的弱源定位有困难,尤其是能量差很大的情况。我们提出了基于噪声不变性的方法NOISE,可以解决这个问题。NOISE可以在合理的噪声下,定位高度相关和/或距离较近的源,对于能量相差大的源也能定位。我们也通过模拟测试和真实数据测试,证明了以上四种方法的有效性。