Una clase de algoritmos basados en proyección de subespacios se utiliza ampliamente en el proceso de eliminación de ruido de las señales de magnetoencefalografía (MEG). Establecer la dimensión de la matriz del subespacio de interferencia (externo) de estos algoritmos es clave para equilibrar el efecto de eliminación de ruido y el grado de distorsión de la señal. Sin embargo, la mayoría de los métodos actuales para estimar el umbral de la dimensión se basan en la experiencia, como observar las formas de onda y el espectro de la señal, lo que puede hacer que los resultados sean demasiado subjetivos y carentes de precisión cuantitativa. Por lo tanto, este estudio propone un método para estimar automáticamente un umbral adecuado. Se realizan transformaciones tiempo-frecuencia en los datos del estado evocado para obtener la señal neural de interés y la señal de ruido en una banda específica de tiempo-frecuencia, que luego se utilizan para construir la función objetivo que describe el grado de supresión de ruido y distorsión de la señal. El valor óptimo del umbral en el rango seleccionado se obtiene utilizando el método de suma ponderada. Nuestro método se probó en dos algoritmos clásicos de proyección de subespacios mediante simulación y dos experimentos de estimulación sensorial. Los umbrales estimados por el método propuesto permitieron que los algoritmos lograran la mejor recuperación de forma de onda y el menor error de ubicación de la fuente. Por lo tanto, el umbral seleccionado en este método permite que los algoritmos de proyección de subespacios logren el mejor equilibrio entre la eliminación de ruido y la preservación de la señal neural en análisis posteriores de MEG.