自己编写的，盲源分离算法仿真分析系统（图形界面）又名：独立分量分析；算法种类：自然梯度算法、投影自然梯度算法、FastICA、SOBI、NJD非正交联合对角化。
上传时间： 2016-05-03
上传用户：ylqylq
部分实现函数，需要先将信号做时频域变换。
上传时间： 2018-06-08
上传用户：taiyupite1
联合对角化JADE算法实例，实现盲源分离
上传时间： 2021-07-30
上传用户：xzysn
核ICA的工具箱，用于独立分分量分析，盲源信号分离（BSS）
上传时间： 2013-12-23
上传用户：zhangyi99104144
独立分量分析(Independent Component Analysis，简称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实现算法一FastICA。 物质的非线性荧光谱信号可以看成是由多个相互独立的源信号组合成的混合信号，而这些独立的源信号可以看成是光谱的特征信号。为了更好的了解光谱信号的特征，本文利用独立分量分析的思想和方法，提出了利用FastICA算法提取光谱信号的特征的方案，并进行了仿真实验。
标签： Independent Component Analysis 分
上传时间： 2013-12-20
上传用户：yan2267246
：独立成分分析 ( I C A)在国内尚属一门新型的方法 介绍了I C A的原理及其算法 ，然后介绍了该算法在盲源 信号分离中的具体应用，并将此方法 与主成分方洼 ( P C A)进行了比较
上传时间： 2013-12-16
上传用户：mpquest
串音误差检测，利用ica算法实现盲信号分离，以及检测输入信号叠加分离后的误差
上传时间： 2014-01-17
上传用户：leixinzhuo
关于ICA的经典书籍，理论与应用兼顾，研究盲信号分离的必备参考。
上传时间： 2013-12-24
上传用户：AbuGe
高阶谱分析包，应用范围包括阵列信号处理，盲源信号处理等
标签： 分
上传时间： 2015-09-13
上传用户：woshiayin
矩阵实验室的内容，对于学习盲源分析的同学有好处
标签： 矩阵实验室
上传时间： 2015-12-27
上传用户：franktu
