基于负熵极大的独立分量分析方法

申丽岩; 方滨; 沈毅

您当前的位置：

首页 >

文章列表页 >

基于负熵极大的独立分量分析方法

更新时间：2026-09-14

- 基于负熵极大的独立分量分析方法
- 基于负熵极大的独立分量分析方法
- Issue 6, (2005)
- 作者机构：
  
  1. 北京工业大学电子信息与控制工程学院
  2. 教育部数字社区工程研究中心
  3. 首都医科大学附属北京友谊医院
- 作者简介：
- 基金信息：
- DOI：
  CLC：
- Published：2005
- 稿件说明：
移动端阅览
申丽岩, 方滨, 沈毅. 基于负熵极大的独立分量分析方法[J]. 2005, (6).
DOI：

申丽岩, 方滨, 沈毅. 基于负熵极大的独立分量分析方法[J]. 2005, (6). DOI：

摘要

独立分量分析(Independen t Com ponen t A na lys is

ICA)是近年来发展起来的一种有效的盲源分离技术(B lind Source Separation

BSS).本文介绍了独立分量分析的基本理论

用基于最大熵原理的对负熵的估计方法得出了ICA的目标函数

并介绍了基于负熵极大的F astICA算法.M ATLAB仿真试验表明:该算法可以较好地分离混合声音信号

具有良好的稳定性

收敛速度较快.

Abstract

The independent component analysis(ICA) is a method widely used in blinding source separation and is developed in recent years.The basic principle of the ICA is discussed in this paper.Using maximum negentropy approximations of differential entropy

we introduce an objective function for ICA and present a FastICA algorithm based on maximum negentropy.Simulation experiments in MATLAB show its better performance and efficiency in mixed sound signal separation

proving its good convergence and robust.

关键词

Keywords

references

Views

539

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

机器人机构设计与控制专栏

Adaptive DFT Channel Estimation Algorithm Based on Joint Delay and SNR Estimation in OFDM System

Hopkinson Bar Pulse Width Extension Test Method Based on Polyurethane Wave Shaper

Network Intrusion Detection Model Based on Recurrence Plot and MobileViT⁃AESTF

Study on the Ultrasonic Adsorption of Cr（Ⅵ） in Water by Tea Biochar Magnetic Materials

Related Author

No data

Related Institution

No data

⁰