脑电图(Electroencephalography,EEG)与脑磁图(Magnetoencephalography,MEG)都是通过脑外传感器记录脑内神经细胞活动的技术,并且具有无侵入性、时空分辨率高的特点。脑电图与脑磁图技术如今已经被广泛应用于大脑各类疾病的诊断以及脑功能的研究中,其在临床诊断、军事医学、航天医学、生理学和生物学研究中都具有非常广阔的应用前景与意义。　　 目前,基于脑磁图的大脑神经活动源定位问题以及脑死亡判定问题中的脑电图应用是大脑研究的两个热点问题。因而,本文围绕脑电图与脑磁图技术在这两个方面的应用,做了大量的研究与实验工作,其主要内容包括以下几个部分:　　 1.提出了遗传算法与粒子群算法两种优化算法的磁图神经活动源的定位方法,利用优化算法的遍历性和快速收敛的特点先估计出脑磁图源的粗略位置;然后,再通过枚举扫描的方法达到精确定位。并结合脑磁图源定位问题,引入双点交叉算子、自适应的交叉与变异算子、定期插入和小生境策略对遗传算法进行改进,引入退火概念对粒子群算法进行改进。实验表明,在多信号分类的脑磁图源定位中,采用优化算法的脑磁图源定位方法,能够更快地精确定位脑内神经活动源,对于大脑功能研究以及颅内手术定位都有着非常重要的意义。　　 2.提出了噪声调节自动阈值的脑磁图源数目估计方法。利用基于噪声调节的主成分分析并结合聂曼.皮尔逊准则方法对脑磁图源数目进行估计。同时,采用了基于小波的噪声方差估计,进行脑磁图噪声方差的精确估计。通过对基于信息论的方法、基于主成分分析的方法以及本文所提出的方法的实验比较结果表明,所提出的方法能更为准确地估计脑磁图源数目,特别是在源数目较多、信噪比较小的情况下仍能准确地估计脑磁图源数目,具有较大的实际意义。　　 3.提出了基于C0复杂度的脑死亡信号与脑昏迷信号的判别算法。通过分析脑死亡与脑昏迷电信号的一阶C0复杂度来区分两种不同的大脑状态。利用该方法对22例真实脑死亡与脑昏迷病患的脑电信号进行实验,可以发现脑死亡脑电图信号的C0复杂度明显高于脑昏迷脑电图信号的C0复杂度,实验结果表明一阶C0复杂度算法可以有效地区别脑死亡与脑昏迷,具有进一步应用的潜在价值。