自適應空間濾波器：LCMV 波束成形器
MNE 及其親族是固定的線性逆問題——算子 \mathbf{G} 忽略資料的共變異數結構。波束成形器則不同：它為每個位置、並且從資料本身設計一個空間濾波器，調校成以單位增益通過目標源、同時壓抑其餘一切。這與一個可導向、自適應的天線陣列指向腦中某一位置，是同一個概念。
\mathbf{w}(\mathbf{r}) = \frac{\mathbf{C}^{-1}\mathbf{l}(\mathbf{r})}{\mathbf{l}(\mathbf{r})^{\top}\mathbf{C}^{-1}\mathbf{l}(\mathbf{r})} \qquad\text{s.t.}\quad \mathbf{w}^{\top}\mathbf{l}=1純量 LCMV（線性約束最小變異）波束成形器：在對目標導程場 l(r) 保持單位增益的約束下，最小化輸出變異 wᵀCw；C 為感測器資料共變異數。
波束成形器為每個腦內位置量身打造一個空間濾波器，讓該處的訊號以完整強度通過，同時主動壓制其餘一切，並用資料自身的共變異數來得知該取消什麼。就像對準人群中某個聲音的指向性麥克風。
- \mathbf{w}(\mathbf{r})
- 對準位置 \mathbf{r} 的濾波器權重。
- \mathbf{l}(\mathbf{r})
- 目標源的導程場（正向型樣）。
- \mathbf{C}
- 感測器資料共變異數——濾波器學著去壓制的對象。
- \mathbf{w}^{\top}\mathbf{l}=1
- 單位增益約束，使目標不被扭曲。
讓 \mathbf{r} 掃過整個腦，波束成形器的輸出功率 \hat{P}(\mathbf{r})=(\mathbf{l}^{\top}\mathbf{C}^{-1}\mathbf{l})^{-1} 便成為一張源圖。由於它使用了資料共變異數，LCMV 波束成形器對彼此分離良好的源，能達到比 MNE 更銳利、更聚焦的定位——但這個優勢建立在一個很強的假設之上。
DICS：頻域波束成形
對於振盪活動與連結，波束成形器在頻域中被改寫為 DICS（同調源動態成像）：把時域共變異數 \mathbf{C} 換成某個關注頻率上的交叉頻譜密度矩陣，相同的 LCMV 代數便逐頻帶回傳源功率——以及源對之間的同調度。這對腦機介面而言相當契合，因為有資訊量的特徵往往是振盪性的（mu／beta 運動節律）。
源空間連結與洩漏陷阱
之所以要做源定位，一大理由正是估計腦區之間如何溝通。但源洩漏（第 4 篇）是一顆地雷：由於兩條估計出的時間歷程共享了來自共同源的洩漏訊號，它們會呈現零延遲的虛假耦合，完美地模仿真正的連結。源空間中天真計算的同調度並不可信。
標準的防禦手段利用了一個事實：線性洩漏是瞬時的（零相位延遲）。諸如同調度的虛部、或相位延遲指數（phase-lag index）等指標，刻意捨棄零延遲的交互作用，只保留有時間延遲、因而在生理上更可信的耦合。明確的洩漏校正（例如在計算連結之前先把訊號正交化）是例行且必要的步驟，而非可有可無的修飾。
腦磁圖、腦電圖與 OPM 革命
這一切究竟有多準？在良好的感測器對位與逼真的頭部模型下，對聚焦良好的淺層源，定位誤差通常在公分等級——對深層、微弱或多個同時存在的源則會惡化。腦磁圖對切向淺層源通常定位得更準（無顱骨失真），而腦電圖則獨能捕捉徑向源；結合 EEG+MEG 的正問題模型，表現優於單獨使用其中之一。談論時要用這種定性範圍——確切的誤差數字，高度取決於導聯配置、模型與源的深度。
前沿硬體是光泵磁力儀（OPM）。不同於採用固定頭盔、且有數公分間距的低溫 SQUID 腦磁圖，OPM 是可直接貼在頭皮上的小型室溫感測器——感測器更近意味著更大的訊號與更細的空間取樣，而且陣列能適應任何頭圍，包括兒童與會移動的受試者。貼頭皮式（on-scalp）腦磁圖，有望為非侵入式的源解析度帶來真正的跨越。
開放問題，以及如何保持誠實
源成像終究是一種在強先驗下的推論，其開放問題實實在在：在零空間之下還原深層源（海馬、腦幹）；分辨多個相關的源；把正問題模型的不確定性（電導率、對位）誠實地傳遞成源層級的誤差區間；以及對照我們鮮少擁有的真值加以驗證。這些都尚未完全解決，而進展與其說靠新演算法，不如說同樣靠紀律。
- 讓一個已知的源穿過你完整無誤的流程做模擬——若連植入的偶極都無法還原，就別信任真實結果。
- 報告解析度：針對你的關注區域計算點擴散與串擾函數，精確量化你的設置能區分與不能區分什麼。
- 以獨立的模態驗證——顱內腦電圖、直接皮質刺激、病灶，或功能性磁振造影——只要有就用。
- 量化正問題的不確定性：擾動顱骨電導率與電極位置，檢查你的結論是否在擾動下依然成立。
以這樣的方式使用——把它當作一個先驗與極限都被你大聲說明白的假說生成工具——源定位便能把模糊的頭皮圖，轉化為關於腦在何處、以何種方式活動的、真實而可檢驗的主張。這份誠實的紀律，勝過任何單一演算法，正是研究所級源分析與漂亮圖片之間的分野。