论文部分内容阅读
独立分量分析(ICA)是一种通过最大化多维观察向量元素的统计独立性寻找一个线性变换的统计方法,其作为有效的盲源分离技术是信号处理领域的热点.提出了一种基于峰度的快速ICA算法,此算法常用于盲信号分离和特征抽取.先从峰度的定义入手说明峰度作为代价函数的可行性,并详细介绍如何将神经网络学习规则转换成固定点准则,从而使得算法简单,且不依赖任何人为定义的参数.选取3个非高斯独立向量作为信号源进行Matlab仿真,分离效果良好.