基于极大似然Parzen窗的独立成分分析  

Independent Component Analysis Based on Maximum Likelihood Parzen Window

作　　者：龚丹丹[1] 刘国庆[2] 

机构地区：[1]南京工业大学电子与信息工程学院,南京210009 [2]南京工业大学理学院,南京210009

出　　处：《计算机工程》2010年第18期279-281,284,共4页Computer Engineering

基　　金：国家自然科学基金资助项目(40505004);"北极阁"基金资助项目

摘　　要：提出一种新的独立成分分析算法,在利用直方图估计概率密度函数的基础上,由极大似然函数法构造独立信号的特征,并且在估计概率密度函数时,对相应的阶梯函数采用磨光处理,引入参数μ,并证明了μ的选择依赖于信号的统计特征以及采样的样本总数。模拟实验结果表明,该算法能提高信号干扰比。A new Independent Component Analysis（ICA） algorithm is introduced by histogram estimation and maximum likelihood estimation. When estimating the probability density function, the corresponding step function is smoothed using parameter μ. It is proved that μ depends on statistical characteristics of signals and total number of samples. Simulation results demonstrate that signal-to-interference ratio has significant improvement.

关 键 词：独立成分分析 直方图估计 磨光函数 极大似然估计 Parzen 窗 

分 类 号：N945[自然科学总论—系统科学]