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