独立分量分析是一类多通道信号分解方法，是信号处理技术研究邻域的一项前沿热点。

在使用希尔伯特变换的时候，前一步要经过emd分解，将数据分解成多个imf分量。

本实验包括三部分：一：显示一幅真彩色图像的R，G，B分量图像 二：读取某一目录下的十幅图像并在一个面板显示 三：四种边缘检测算法

Matlab对称分量法计算正序负序零序，绘制出向量图，采用MATLAB编写的M文件

一个简单的matlab程序，可将特定波长转换成RGB三分量的颜色。

一个Fast ICA算法的实例，详细演示了独立分量分析的过程，希望有所帮助

此程序主要是通过用c#进行图像处理，这里是最基础的知识，获得一幅图像的像素值，并在窗体上显示出来

独立分量分析(}r}d}}}ndent }}mp}}}}t a nal}}i}, }CA)是信号处理领域在 20世纪90年代后期发展起来的一项新处理方法。顾名思义，它的含义是把信号 分解成若干个互相独立的成分。如果信号本来就是由若干独立信源混合而成 的，我们自然希望能恰好把这些信源分解开来。从原理上说，只靠单一通道观察 是不可能作这样的分解的，必需借助于一组把这些信源按不同混合比例组合起 来的多通道同步观察。换句话说， ICA是属于多导信号处理的一种方法。但是 把一组观察信号分解成若干独立成分，分解结果肯定不是惟一的。因此分解总 要施加一些约束条件，使答案接近于所期望的结果。 ICA的发展是和盲信源分离(blind source separation, BSS)紧密联系的。 BSS的简单含义如图1-一1所示。它的任务是只由多通道系统的输出数据X来判 断其输入S和系统的传递函数H。所谓“盲”是指原理上它不要求对S和H具有 先验知识。实际上任务的解答显然不是惟一的，因此免不了还是需要一些假设。 一般至少需要假设多通道输人S中各分量互相独立、零均值且方差为1。不难看 出，BBS问题的提法和ICA十分接近，只是前者的研究范畴更宽，处理手段也更 多些。

此文件加含有多个代码，和WirelessInsite软件仿真的实际参数，得到一个城市场景下MIMO系统的毫米波多径分量及其参数，然后进行聚类操作，利用CH和DB索引找到最佳簇数，此文件加是我在研究毫米波基于分簇的信道建模的时候自己编写的，希望可以帮助到大家。

这是一个样本的实验，现将振动信号进行CEEMD分解，得到imf分量，在求imf分量的相关系数啦筛选分量，并求一个样本的信息熵特征，构造一个特征向量矩阵，然后自己选择类器进行分类。