在数字音乐数量急剧增长的今天,由于音乐本身的复杂性、音乐类属定义的模糊性和对人类听觉感知特性认识的有限性,音乐信号处理已成为信号处理领域一个新的分支,音乐信息检索已成为研究的热点,很多新的技术都已运用到音乐信息检索中。独立成分分析(Independent Component Analysis,简称ICA)是近年来统计信号处理发展起来的新技术,它着眼于信号的高阶统计特征,用于揭示信号中的隐藏成分。ICA有别于其他方法的地方是,它寻找的是既统计独立又非高斯的成分。本文主要研究了ICA在音乐信号处理中的应用,首先,将ICA方法用于音乐中的音符检测,根据音符的某些特性,用ICA模型来处理音乐数据,提出了基于概率的数学模型,定义了检测函数,当音符开始时,检测函数会有一个突变,根据这个原理,可以成功地检测音符起始点,并体现出ICA模型较传统模型的优点。其次,用ICA对音乐信号进行了特征提取,提取出来的基向量有着局部特征,用这些特征基向量可以很好表示音乐信号,并进一步给出音乐信号的稀疏表示,更好地去除了数据中的冗余信息,压缩了数据。