獨立分量分析(Independent Component Analysis，簡稱ICA)是近二十年來逐漸發(fā)展起來的一種盲信號分離方法。它是一種統(tǒng)計方法，其目的是從由傳感器收集到的混合信號中分離出相互獨立的源信號，使得這些分離出來的源信號之間盡可能獨立。它在語音識別、電信和醫(yī)學(xué)信號處理等信號處理方面有著廣泛的應(yīng)用，目前已成為盲信號處理，人工神經(jīng)網(wǎng)絡(luò)等研究領(lǐng)域中的一個研究熱點。
本文簡要的闡述了ICA的發(fā)展、應(yīng)用和現(xiàn)狀，詳細地論述了ICA的原理及實現(xiàn)過程，系統(tǒng)地介紹了目前幾種主要ICA算法以及它們之間的內(nèi)在聯(lián)系，在此基礎(chǔ)上重點分析了一種快速ICA實現(xiàn)算法一FastICA。
物質(zhì)的非線性熒光譜信號可以看成是由多個相互獨立的源信號組合成的混合信號，而這些獨立的源信號可以看成是光譜的特征信號。為了更好的了解光譜信號的特征，本文利用獨立分量分析的思想和方法，提出了利用FastICA算法提取光譜信號的特征的方案，并進行了仿真實驗。
標(biāo)簽：
Independent
Component
Analysis
分
上傳時間：
2013-12-20
上傳用戶：yan2267246
