独立成分分析方法综述

被引:122
作者
杨竹青
李勇
胡德文
机构
[1] 国防科技大学机电工程与自动化学院
关键词
独立成分分析方法; 投影法; 定点算法; 盲源信号分离;
D O I
10.16383/j.aas.2002.05.012
中图分类号
TN912 [电声技术和语音信号处理];
学科分类号
081002 ;
摘要
对 ICA方法的原理和应用进行了综述 .首先 ,概要叙述 ICA的产生背景和发展前景 ,简要介绍和评述了 ICA的定义、分类以及算法 .然后 ,对 ICA在语音信号分离、生物医学信号处理、金融数据分析、图像噪声消除以及人脸识别等方面的实际应用进行了讨论
引用
收藏
页码:762 / 772
页数:11
相关论文
共 10 条
  • [1] 信息论与最优编码[M]. 上海科学技术出版社 , 章照止, 1993
  • [2] 神经网络的应用与实现[M]. 西安电子科技大学出版社 , 焦李成 编著, 1993
  • [3] Sparse Code Shrinkage: Denoising of Nongaussian Data by Maximum Likelihood Estimation[J] . Aapo Hyv&auml,rinen.Neural Computation . 1999 (7)
  • [4] The fixed-point algorithm and maximum likelihood estimation for independent component analysis
    Hyvärinen, A
    [J]. NEURAL PROCESSING LETTERS, 1999, 10 (01) : 1 - 5
  • [5] Independent component analysis using an extended infomax algorithm for mixed subgaussian and supergaussian sources
    Lee, TW
    Girolami, M
    Sejnowski, TJ
    [J]. NEURAL COMPUTATION, 1999, 11 (02) : 417 - 441
  • [6] Independent component analysis in the presence of Gaussian noise by maximizing joint likelihood[J] . Neurocomputing . 1998 (1)
  • [7] Adaptive Online Learning Algorithms for Blind Separation: Maximum Entropy and Minimum Mutual Information[J] . Howard Hua Yang,Shun-ichi Amari.Neural Computation . 1997 (7)
  • [8] Modified Herault–Jutten Algorithms for Blind Separation of Sources[J] . Andrzej Cichocki,Robert E. Bogner,Leszek Moszczyński,Kenneth Pope.Digital Signal Processing . 1997 (2)
  • [9] AN INFORMATION MAXIMIZATION APPROACH TO BLIND SEPARATION AND BLIND DECONVOLUTION
    BELL, AJ
    SEJNOWSKI, TJ
    [J]. NEURAL COMPUTATION, 1995, 7 (06) : 1129 - 1159
  • [10] Maximum likelihood blind source separation: A context -sensitive generalization of ICA .2 Pearlmutter B A,Parra L C. In: Advances in Neural Information Processing Systems, Volume 9, MIT Press . 1997