郁芸 张昕 胡杰 万程 周高信 王捷 殷悦楚楚 冯伟 王娟

[摘 要]独立分量分析（Independent Component Analysis，ICA）是在信号处理领域中关于盲源分离应用的常用方法。该文论述了独立分量分析的基本原理和分离步骤;介绍了快速独立分量分析（FastICA）的优化判据和优化算法特点;并进行了FastICA计算机程序仿真：首先混合了方波信号、正弦信号和噪声信号，再利用FastICA算法进行分离。分离结果，除了波形的波幅、次序和极性发生变化之外，源信号的波形被很好地分离还原出来，证实了FastICA的可行性和正确性。

[关键词]快速独立分量分析;算法;仿真

[基金项目]2018年度江苏省高校哲学社会科学研究项目“基于核磁共振的艾滋孤儿负性情绪研究”（2018SJA0282）

[作者简介]郁 芸（1979—），女，江苏南通人，硕士，南京医科大学生物医学工程与信息学院医学信息学系副主任，副教授，主要从事医学图像处理研究;王 娟（1981—），女，江苏盐城人，硕士，南京医科大学生物医学工程与信息学院智能计算与数学学系讲师（通信作者），主要从事医学大数据研究。

[中图分类号] TP301.6[文献标识码] A[文章编号] 1674-9324（2020）28-0381-02[收稿日期] 2019-11-29

一、独立分量分析和盲源分离

盲源分离是随着数字通信等行业的飞速发展而在信号处理领域兴起的一个新的研究方向[1]。它的主要任务就是在系统传输特性未知和输入信号未知或仅有很少的先验知识的条件下，从系统输出信号来估计系统传输特性以及系统输入信号。

独立分量分析在一个宽松的假设条件下，即假设系统输入信号矢量的各分量相互统计独立，同时允许一定的模糊性存在，即信号幅值和信号分量顺序有不确定性，就可以实现盲源分离，这使得ICA成为盲源分离的主流方法[2]（P263）。……