对人类来说，了解人脑自身的结构和功能是一个非常有趣和有挑战性的工作。而功能磁共振成像(fMRI)就是近二十年来才发展起来的一种非入侵脑功能成像技术。它的原理是：大脑在执行特定认知任务时，其相关区域会产生兴奋，从而使此处的血氧水平发生变化，进而导致该区域磁共振信号改变。我们通过探测区域磁共振信号的改变就可以研究人脑的认知活动及功能定位。利用fMRI方法定性观察一定刺激下脑功能对应的皮层活动区域，获得的空间分辨率可达到1mm以下，明显高于正电子发射断层图(PET)等传统脑成像方法。fMRI还具有快速成像的优点，可以在十分钟内连续拍摄数千张脑状态图。而且实验结果也具有较好的可重复性。因此，fMRI在神经科学，认知心理学，临床应用等研究等领域都得到越来越广泛的应用。 由于fMRI的脑功能定位一般是依赖于磁共振信号与其它噪声信号在统计特性上的差异。所以，采用何种算法对于处理fMRI所获得的数据有重要意义。目前国内fMRl研究中往往采用一些常规的软件进行fMRI的数据处理，比如SPM等，但是这些软件的处理结果往往不能让研究人员满意。因此近年来，很多研究人员对fMRI数据处理的算法进行了探索，也取得了不少成果。常用的fMRI分析方法有：t-检验，相关检测法等。近年来还出现了采用独立成份分析(ICA)，经典相关分析(CCA)和空间聚类(SCA)等较新的算法。在采用经典相关分析法处