独立分量分析及其应用.pdfVIP

计 算 机 系 统 应 用 2009 年 第 9 期 ① 独立分量分析及其应用 Independent Components Analysis 余淑萍 杨铁军 (河南工业大学 信息科学与工程学院 河南 郑州 450001) 摘 要： 独立分量分析是近年来兴起的一种高效的信号处理方法。它主要解决的问题是如何从观测到的混合信 号中分离或提取出各个源信号。简要介绍了独立分量分析的数学模型、数学原理等基本问题，分析了 现有的几种独立分量分析的主要算法，最后介绍了独立分量分析的主要应用领域，并对以后的研究方 向进行了展望。 关键词： 盲源分离 独立分量分析 高阶统计 信息最大化 互信息最小 在复杂的背景环境中所接收的信号往往是由不同 X ＝[x (t),…x (t)]T 是 M 维观测信号向量，n ＝[n 1 N 1 T 信源产生的多路信号的混合信号。例如，几个麦克风 (t),…n (t)] 是 M 维加性噪声向量，A 是未知的混合矩 N 同时收到多个说话者的语音信号；在声纳，阵列及通 阵，观测信号X 是由未知信源 S 的瞬时线性组合。 讯信号处理中，由于耦合使数据相互混叠；多传感器 ICA 的原理框图如下图 1 所示： 检测的生物电信号中，得到的也是多个未知源信号的 混叠。这就需要我们从收到的混叠信号中分离出原始 的信号。也就是所说的“盲源分离(Blind Source Separation , BSS)”问题，盲源分离是指在源信号和 传输通道参数未知的情况下，根据输入源信号的统计 特性，仅由观测信号恢复出源信号的过程，当源信号 各个成分具有独立性时，此过程又称为独立分量分析 (Independent Components Analysis, ICA)。 图 1 ICA 原理框图 独立分量分析是在 20 世纪 90 年代发展起来的一 项崭新的信号处理技术。它的含义是把信号分解成若 ICA 的目标就是寻找一个分离矩阵 W ，使X 经过 干个互相独立的成分。除了已知源信号是统计独立外， 变换后得到的新矢量 Y ＝[y (t),…y (t)]T 的各分量尽