独立分量分析(ICA)是近二十年来逐渐发展起来的一种盲信号分离方法。它是一种统计方法，其目的是从由传感器收集到的混合信号中分离出相互独立的源信号，使得这些分离出来的源信号之间尽可能独立。它在语音识别、电信和医学信号处理等信号处理方面有着广泛的应用，目前已成为盲信号处理，人工神经网络等研究领域中的一个研究热点。 本文首先简要的阐述了ICA的发展、应用和现状，详细地论述了ICA的原理及实现过程，系统地介绍了目前几种主要ICA算法以及它们之间的内在联系，在此基础上重点分析了一种快速ICA实现算法—FastICA。 在应用方面，本文对工业过程的过程监测与故障诊断技术进行了介绍，为此以ICA算法为核心，引入一种新型的过程监测及故障诊断方法，应用ICA提取独立分量，利用I2图，Ie2图和SPE图进行故障检测，将变量重构图用于诊断故障。以三水箱系统为背景进行的实验研究，验证了该方法的有效性。另外仿照主元回归提出了独立分量回归。并将此方法应用在加热炉钢温预报中，通过仿真实验，取得了很好的效果，证明了该方法的可行性。 在本文的最后对全文做出了总结，并对ICA的进一步研究方向进行了展望。