保守值法matlab代码牛顿熵优化（NEO）ICA 使用二阶优化的大规模Infomax-ICA。 二次收敛 使用截断牛顿（又名无黑森州）优化，可以更快，更好地收敛。 这具有与通常的梯度下降方法相同的存储成本。 自适应小批量 使用近似似然的梯度/ hessian向量乘积的方差来调整迭代中的最小批量大小。 快速实施 该算法是使用BLAS，OpenMP和SSE内部函数为CPU实现的。 尽可能使用近似数学（）。 如果您的硬件不支持SSE内在函数，则NEO-ICA会退回到非矢量化代码。 多种语言 支持C ++，Python和MATLAB。 轻巧便携 可以与GCC 4.8+和MSVC 2015一起编译。 MATLAB绑定没有依赖性（链接到MATLAB的BLAS / LAPACK）。 Python绑定仅需要Numpy（链接到Numpy使用的BLAS / LAPACK） 1 。 C ++库仅需要BLAS / LAPACK 1 。 1 ICA通常涉及非常高而又瘦的矩阵。 在处理这些方面，MKL比竞争对手更胜一筹。 安装 Matlab ：将适用于{Linux，Windows 64-bits}的matlab

核密度非参数估计的matlab代码ICA-R-估计 参考： M. Hallin & C. Mehta (2015)。 非对称独立分量分析的 R 估计。 美国统计协会杂志，110(509)，218-232 独立分量分析 (ICA) 是一种多变量统计方法，其中将观察到的信号去卷积或分离为独立的潜在源信号。 在 ICA 模型中，观察到的 m 向量满足 , 其中 是一个非奇异维混合矩阵和 是一个向量，其分量 S_k(t) 具有成对独立分布（超过 t=1,2,...）。 ICA 的一个主要目标是从观察到的 X 向量中估计混合矩阵 ()。 将混合矩阵的准确估计的逆应用于观察到的混合 X 向量允许恢复 ICA 模型中的源信号。 在这个项目中，我们为混合矩阵提出了一个单步 R 估计器，旨在针对具有重尾分布的源信号和其他类型的噪声（相对于混合矩阵的现有估计器）实现更大的鲁棒性。 此外，我们能够通过半参数程序阐明 R 估计量的渐近特性，例如其极限分布。 评估 R 估计器首先需要 获得混合矩阵的初步估计量 L0，以实现根 n 一致性和 为各个未观察到的独立源信号指定单变量分布 f:=(f1,...,fm)

这是自己写的，并且是可以跑程序的，希望对大家有用

受自然过程启发的进化优化方法在解决复杂的优化问题方面表现出良好的性能。 例如，遗传算法（受人类和其他物种的生物进化启发）、蚁群优化（基于蚂蚁努力寻找食物来源的最佳路径）和模拟退火（基于真实的退火过程，其中物质被加热超过其熔点，然后冷却以达到晶格）被广泛用于解决工程优化问题。 所提出的进化优化算法通常受到自然过程建模的启发，而没有考虑物种进化的其他方面，尤其是人类进化。 这项工作中提出的方法使用人类的社会政治进化作为开发强大优化策略的灵感来源。 特别是，该算法将帝国主义视为人类社会进化的一个层次，并通过对这个复杂的政治和历史过程进行数学建模，将其作为进化优化的工具。 自最近推出以来，这种新颖的方法已被研究人员广泛采用以解决不同的优化任务。 该方法用于设计工厂优化布局、自适应天线阵列、智能推荐系统、工业和化工拥有的优化控制器。 欲了解更多信息，请访问：

程序主要实现了基于fast-ica的对音频信号的分离，先混合音频信号，再对混合后的信号分离，有助于学习ica算法

citrix关于ica/hdx协议

广州周立功单片机发展有限公司 第30章 嵌入式跟踪宏单元 LPC23xx 用户手册 ©2008 Guangzhou ZLGMCU Development CO., LTD 470 第30章 嵌入式跟踪宏单元 30.1 特性  精确跟踪 ARM 内核正在执行的指令；  1 个外部触发输入；  10 线接口；  所有寄存器都通过 JTAG 接口编程；  不使用跟踪时不消耗功率；  支持 THUMB 指令集。 30.2 应用 由于微控制器带有大量的片内存储器，因此不可能简单地通过观察外部管脚来确定处理 器核是如何运行的。ETM 对深嵌入处理器内核提供了实时跟踪能力。它向一个跟踪端口输 出处理器执行的信息。软件调试器允许使用 JTAG 接口对 ETM 进行配置并以用户容易理解 的格式显示捕获到的跟踪信息。 30.3 描述 ETM 直接连接到 ARM 内核而不是主 AMBA 系统总线。它将跟踪信息压缩并通过一个 窄带跟踪端口输出。外部跟踪端口分析仪在软件调试器的控制下捕获跟踪信息。跟踪端口可 以广播指令跟踪信息。指令跟踪(或 PC 跟踪)显示了处理器的执行流程并提供所有已执行指 令的列表。指令跟踪被显著压缩为广播分支地址和一套用于指示流水线状态的状态信号。跟 踪信息的产生可通过选择触发源进行控制。触发源包括地址比较器、计数器和序列发生器。 由于跟踪信息被压缩，软件调试器需要一个执行代码的静态映像。由于这个限制，自修改代 码无法被跟踪。 30.3.1 ETM配置 ETM 宏单元使用下面的标准配置。 表 30.1 ETM 配置 资源数/类型 Small[1] 地址比较器对 1 数据比较器 0（不支持数据跟踪） 存储器映射译码器 4 计数器 1 时序发生器 无 外部输入 2 外部输出 0 FIFOFULL 信号 0（未连接） FIFO 深度 10 字节 跟踪包宽度 4/8 [1] 详见 ARM 文档“嵌入式跟踪宏单元规范”（ARM IHI 0014E）。

本文提出了应用改进的Fast-ICA算法进行电能质量检测的方法。快速ICA(独立分量分析:Independent Component Analysis)算法是目前非常流行的一种好算法。利用信号的高阶统计量快速准确地实现信号分离和恢复。

为了更有效地提取脑电信号特征波，结合小波包和ICA（独立分量分析），提出了一种脑电特征波提取方法。首先对脑电信号进行小波包分解，然后进行相关频段信号的重构，从而提取出特征波的概貌作为初次提取的特征波；再利用ICA分离技术，以初次提取的特征波为参考信号对其进行增强。实验结果表明，对比于独立地应用某一种方法，两种方法相结合更能有效地提取脑电信号特征波。

完整代码，可直接运行