独立成分分析(Independent Component Analysis, ICA)是近年来出现的一种强有力的数据分析工具(Hyvarinen A, Karhunen J, Oja E, 2001; Roberts S J, Everson R, 2001)。1994年由Comon给出了ICA的一个较为严格的数学定义,其思想最早是由Heranlt和Jutten于1986年提出来的。ICA从出现到现在虽然时间不长,然而无论从理论上还是应用上,它正受到越来越多的关注,成为国内外研究的一个热点。特别是从应用角度看,它的应用领域与应用前景都是非常广阔的,目前主要应用于盲源分离、图像处理、语言识别、通信、生物医学信号处理、脑功能成像研究、故障诊断、特征提取、金融时间序列分析和数据挖掘等。
ICA是一种用来从多变量(多维)统计数据里找到隐含的因素或成分的方法,被认为是主成分分析(Principal Component Analysis, PCA)和因子分析(Factor Analysis)的一种扩展。对于盲源分离问题,ICA是指在只知道混合信号,而不知道源信号、噪声以及混合机制的情况下,分离或近似地分离出源信号的一种分析过程。
参考文献
1. Hyvarinen A, Karhunen J, Oja E. (2001). Independent Component Analysis. John Wiley,
2. Roberts S J, Everson, R. (2001). Independent component analysis: principles and practice.
3. Comon P. Independent component analysis — a new concept? Signal Processing, 1994, 36: 287-314.
4.
转载本文请联系原作者获取授权,同时请注明本文来自郭崇慧科学网博客。
链接地址:https://wap.sciencenet.cn/blog-34250-209873.html?mobile=1
收藏
![](http://wap.sciencenet.cn/uc_server/images/noavatar_small.gif?v=)
![赞 赞](static/blog/images/kong.png)
博主回复:这个问题好像不适于用ICA。
![](http://wap.sciencenet.cn/uc_server/images/noavatar_small.gif?v=)
![赞 赞](static/blog/images/kong.png)
博主回复:多道源信号中有一道是高斯信号可以,但多道高斯信号ICA就不灵了。