在电磁学中，由电荷属性来推导出电场的分布，并经计算得到某空间点的电场属性，这个过程叫正演；反之，通过电场的分布，得到一种电荷分布的模型或近似模型，来解决问题，这个过程称之为反演。
同理在脑电测量上，正向问题是指给出脑电活动源的分布位置，正向求解头皮电位信号；逆向问题是指根据现有采集得到的信号来反演估计脑内神经活动源的位置、方向和强度大小。逆向求解问题在源定位中拥有更广的应用，但是逆向求解问题存在两大难点问题：首先根据反演求出的解，并不是唯一的，即有可能会存在多个脑内源；另一个问题是求解的不稳定性，噪声的影响，可能在头皮表面噪声的影响很小，但是在脑内的信号振荡可能会是一个非常大的问题。有人说，想要看到脑内变换，可以尝试fMRI设备，的确fMRI有着EEG高优势的空间分辨率，但是fMRI在时间分辨率上却是一大短板，在很多认知实验中，被激活的脑区可能是在很短的时间内变化的，但是fMRI可能无法捕获到，这也是EEG源定位存在的意义之一。
从反演的结果来说，脑电逆问题应该是非线性优化问题，考虑到计算的复杂性，所以近似的规约为线性问题Y=AX，Y表示为头表电极记录到的点位，X是待进行空间定位的源信息向量，A称为传递（增益）矩阵，是脑电正问题的解，可以通过构造合适的头模型等来获得。所以使用更多导联提高数据的准确性和对合适头模型的确定是比较关键的。
头模型：头模型包含电信号传递的组织中介，这里面涉及头皮、颅骨、脊髓液的传递信号的电导率。常见的头模型有三层球模型、椭圆模型和真实头模型（MRI），一般采用的方法是基于真实头模型下使用边界元方法（boundary ellment method,BEM）或者有限元方法（finite leement method,FEM)来计算，增加准确性。
源模型：源的估计数量、位置和方向来计算拟合数据。通过上面说到的这个近似方程Y=AX，Y表示为头表电极记录到的点位，X是待进行空间定位的源信息向量，A称为传递（增益）矩阵，是脑电正问题的解，可以通过构造合适的头模型等来获得。源模型也包括偶极子模型[El Badia 2000]和电荷源模型[Yao 1996]等。
