快速独立分量分析，适合新手练手

快速独立分量分析（ICA）程序，在信号处理、语音识别等领域有良好的应用。

独立分量分析中的程序，其中有负熵的具体计算流程

针对声发射信号比较微弱，实际检测信号中常含有强背景噪声的问题，提出了基于独立分量分析（ICA）的信号去噪方法。该方法首先对观测信号进行FastICA分解，得出多导独立分量；再根据一定的时域及频域先验知识，将独立分量中的噪声信号通道置零，利用解混矩阵反演出去噪后的信号。文中通过断铅声模拟发射信号去噪仿真和埋地水管泄漏声发射信号去噪实验，对该方法进行定性和定量分析。结果表明，与常规的去噪方法比较，ICA去噪方法受噪声强度影响较小，能够得到更高的信噪比和更好的相关系数，有利于提高埋地水管泄漏点的定位精度。

使用小波变换和独立分量分析的ECG信号降噪

同频混叠信号的处理一直是通信信号处理中的难点,常规的信号处理方法难以对其进行有效分析。本文运用最新的盲源分离理论,实现了混叠通信信号的盲分离。仿真结果表明,本文采用的算法分离效果好,运算速度快,可移植性强,基本实现了对混叠通信信号的实时盲分离。

FastICA快速独立分量分析的MATLAB源代码，功能全面，有简洁易用的figure界面，操作容易上手，能处理多路混合信号，并输出计算结果，生成信号的图形，便于进一步的分析

针对单通道语音信号盲分离的问题，结合盲源分离和经验模式分解的优点，提出了一种基于经验模式分解的单通道语音信号源数估计和盲源分离方法"对语音混合信号进行经验模式分解，利用贝叶斯算法估计语音源数目，根据源信号数目重组多通道语音混合信号，并采用独立分量分析实现语音信号的盲分离"仿真实验表明，使用此法能有效地估计通道语音信号源数和分离盲源.

独立分量分析(ICA)去噪声的VC代码，次程序是用来滤除语音信号中的噪声的。

两种独立分量分析算法的代码