独
独
立
立
成
成
分
分
分
分
析
析
Independent component analysis
盲源分离与ICA概念
ICA简介
ICA过程
Infomax算法
fastICA算法
数学基础
根据源信号的统计特性，仅由观测的混合
信号恢复(分离)出未知原始源信号的过程
“盲”
源信号不可观测
混合系统的特性事先不可知
盲源分离（Blind Source Seperation）
1、盲源分离与ICA的概念
盲源分离的目的是求得源信号的最佳估计。
给定随机变量的一组观测（ X1(t)， X2(t)， X3(t) ）其中t是时间或者样本标
号。假设他们有独立成分线性的混合而产生：
式中，A是一个未知矩阵。在我们观测仅能观测到Xi(t)的情况下，独立分量分
析就要同时估计出矩阵A和Si（t）。并且假设观测到的独立成分Xi(t)数目与
Si（t）数目相同。
当盲源分离的各分量相互独立时，就成为独立分量分析
公式1
我们将ICA定义为另一种模式
寻找一个类似于【公式1】中矩阵B确定线性
变换，使得随机变量Yi，i=1，..n尽可能独
立。如矩阵B能估计出，对其求逆就能得到
矩阵A。
评论0