基于负熵极大的独立分量分析方法  

An Independent Component Analysis Algorithm Based on Maximum Negentropy

作　　者：申丽岩[1] 方滨[2] 沈毅[3] 

机构地区：[1]北京工业大学电子信息与控制工程学院,北京100022 [2]教育部数字社区工程研究中心,北京100022 [3]首都医科大学附属北京友谊医院,北京100050

出　　处：《中北大学学报（自然科学版）》2005年第6期396-399,共4页Journal of North University of China(Natural Science Edition)

基　　金：北京市自然科学基金资助项目(4052010)

摘　　要：独立分量分析(Independen t Com ponen t A na lys is,ICA)是近年来发展起来的一种有效的盲源分离技术(B lind Source Separation,BSS).本文介绍了独立分量分析的基本理论,用基于最大熵原理的对负熵的估计方法得出了ICA的目标函数,并介绍了基于负熵极大的F astICA算法.M ATLAB仿真试验表明:该算法可以较好地分离混合声音信号,具有良好的稳定性,收敛速度较快.The independent component analysis（ICA） is a method widely used in blinding source separation and is developed in recent years. The basic principle of the ICA is discussed in this paper. Using maximum negentropy approximations of differential entropy, we introduce an objective function for ICA and present a FastICA algorithm based on maximum negentropy. Simulation experiments in MATLAB show its better performance and efficiency in mixed sound signal separation, proving its good eonvergence and robust.

关 键 词：独立分量分析 盲源分离 负熵 

分 类 号：TM911.7[电气工程—电力电子与电力传动]