脑电图（EEG）是可用电极记录的伴随着大脑皮层神经元活动所产生的电现象。通过头皮电极记录的EEG信号,具有无创、便捷、时间分辨率高以及成本低廉等优势,是对大脑功能认知、疾病诊断以及脑机接口研究的重要工具。对EEG信号的分析对象包括瞬态波形和振荡成分,分别对应着时域瞬态成分特征和频域复成分特征。然而头皮电极所记录的EEG信号只是大脑皮层上所有激活的源信号经容积传导后叠加的结果,因此并不能精准地反映对应皮层上的源激活情况。EEG的逆问题,旨在将多通道头皮电极记录的EEG信号反推回皮层上。该问题是一个严重的病态问题,虽然现有方法极力发掘皮层上源信号分布的先验特征,但仍存在诸如对噪声处理不妥当、大脑皮层功能结构分区特征与各区域上功率参数的非负性未联合考虑、EEG振荡成分频域分量的逆问题尚无严谨模型等问题。本论文针对这些问题开展了如下工作:第一部分工作是研究EEG瞬态波形皮层源定位方法。由于EEG电活动更有可能由归属于皮层上不同功能脑区的神经核团产生,因此近年来块稀疏先验逐渐被用于源定位方法设计,这种先验同时定义了皮层源信号在块内的相关性以及块间的稀疏性。本论文利用源信号在皮层表面分布的块稀疏性,在稀疏贝叶斯学习（SBL）框架下提出了一种EEG瞬态波形皮层源定位方法,包括两方面创新。首先,在构建逆问题的信号模型时,使用了多通道EEG信号的样本协方差矩阵的分布而非信号自身的分布;该建模环节的改变使得在模型待估计变量中绕过了对噪声项的探讨,而在已有方法中噪声信息必须已知或者伴随着逆问题同时被求解。其次,经过变换,该块稀疏信号恢复问题转化为传统原子稀疏信号恢复问题,其中各脑区上的功率系数是所剩唯一的待估计量;考虑其非负稀疏性,引入了非负高斯分布作为其先验分布以提升源定位性能。仿真实验表明,相对于基准和最新算法,所提出的名为非负块稀疏贝叶斯学习（NNBSBL）的皮层源定位算法在各种场景下都获得了更好的皮层源信号检测与定位效果。实际P300实验结果也表明所提出算法获得的结果与现有文献结论较为一致。第二部分工作是研究EEG振荡成分的频域源定位方法,本文对此开展了两方面连贯的工作。首先给出了 EEG振荡成分频域分量的数学模型:证明了感兴趣频率上的多通道EEG频域复成分向量可表示为导程场矩阵乘以皮层上该频率的源信号复分量并叠加自发脑电与电噪声相应复成分。基于该信号模型,从传统原子稀疏先验出发,给出了一种通用的振荡成分频域源定位SBL方法。该方法不仅可实现单被试源定位,还可融合多被试数据获取某种振荡成分的统一源定位结果,即便被试所用电极导联甚至电极数各不相同。其次在该问题中考虑块稀疏先验,研究如何在该复信号模型中应用解决瞬态波形源定位问题的实数NNBSBL算法;所提出解决思路是基于频域复成分向量的样本协方差矩阵所服从的广义复高斯分布,对该矩阵进行一系列变换与构造从而获得类似于瞬态波形源定位问题的实数模型,从而可使用NNBSBL算法。无论是仿真实验还是实测数据实验,都证明了所提出方法相对于已有方法的优越性能。本论文从多通道EEG信号的瞬态波形皮层源定位和振荡成分皮层源定位两方面问题入手,基于SBL思想,致力于构建性能鲁棒、充分利用更贴近于实际的神经生理特征且模型严谨的皮层源定位方法,从而为脑科学研究提供更有力的工具。