独立分量分析的原理与应用

《独立来自分量分析的原理与应用》是2006年清华大学出版社出版的图书，作者是杨福生，洪波。

• ISBN 9787302118527
• 页数 205
• 作者 杨福生 / 洪波
• 出版时间 2006-1-1
• 定价 28.00元

目录

　　第1章绪论

　　附录A有关独来自立分量分析的若干专著

　　参考文献

　　第2章预备知识

　　2.1概述

　　2.2概率与统计特征

　　2.2.1有关概率的复习

　　2.2.2特征函数

　　2.2.3高阶统计量

　　2.2.4联合累计量的一些性质

　　2.360百科3有关信息论的基础知识

　　2.3.1熵

　　2.张价才青农副3.2KullbackLeibler散度

　　2.3.3互信息

　　2.3.4负熵

　　2.4信号通过线性系统前后有关信息特征的变化

　　2.4.1问题的提出

　　2.4.2主要关系

　　2.5概率密度函数的级数展开

　　附录B矢量梯度与矢量矩阵

　　参考文献

　　第3章ICA问题的一般提法与优化判据

　　3.1概述

　　3.2从信息论框架下介绍各种独办渐盾或立性判据

　　3.2.1利用统计独立性与互信息测度间的关系

　　3.2.2信息极均报扬立读功又销毛外大化判据

　　3.2.3极大似然判据

　　3.2.4直接用高移阶统计量作独立性判据

　　3.3判据的近似逼近

　　3.4非线性主分量分解

　　3.4.1主分量分解与球化

　　3.4.2非线性主分量分析

　　参考文献

　　第4章独立分量分解的优化算法(一)——批处理

　　4.1概述

　　4.2成对数据旋转法(Jacobi法)及极大峰度法(Maxkurt法纪粮乎模越安级商)

　　4.2.1Ｇivens旋转

　　4.2.2极大峰度法

　　4.3特征矩医注调沙节乡刚即里测阵的联合近似对角化法（JADE法）

　　4.3.1四维累计量矩阵及其特征分解

　　4.3.2JADE法

　　4.4一些其他的批处理算法

　　4.4.1四阶盲辨识（FOBI）

　　4.4.2混合法

　　4.5应用举例

　　4.5.1把JADE和SOBI结合起来进行ICA

　　4.5.2FOBI算法及其变种

　　附录C(44)式的推导

　　参考文献

　　第5章独立分量分解的优化算法(二)——自适应算法

　　5.1概述

　　5.2常规的随机梯度法

　　5.2.1球化阵的自适应算法

　　5.2.2信息圆管千部富慢山攻序争低极大(Infomax看谁四落)法（最大熵法）

　　5.2太书线一雷令算点岁.3互信息极小(MMI装头)法

　　5.3自然梯度与相对梯度

　　5.3.1自然梯度

哥似检并食班笔　　5.3.2相对梯度

　　5.4串行矩阵更新及其自适应算茶混都也位说法

　　5.4.1串行矩阵更新及其特点

　　5.4.2串爱磁丝领证服陈盟子宽增行更新的自适应算法

　　5.5扩展的Infomax法

　　5.6非线性PCA的自适应算法

　　……

　　第6章独立分量的逐次提取——探查性投影追踪(EP病突治上秋著P)

　　第7章独立信源经亚以生地集烈空微绍卷积后的IC分解

　　第8章信号的稀疏分量分析

　　第9章独立分量分析的应用

　　后记ICA网络资源概要

　　参考文献

前言

　　在对信源和通道先验知识甚少的情况下，仅由观察茶学危沙磁深引步信号推断信源和通道的特性，探社织职司计啊孩星称为盲信号处理，其中包括盲辨识、盲解卷、盲信源分解等问题。独立分量分析（ICA）是和后者密切相关的，它是信号处理技术发展中的一项前沿热点。传统的信源分解技术建立在主分量分析的基础上，分解出的诸分量只是互相正交且依能量大小排序，因而有明显的局限性。ICA的目的是：从多通次审放载类孙车括眼道测量所得到的由若干独立信源线性组合成的观察信号中，将这些独立成分分解开来。因此，被分解出的诸分量更容易具有实际的物理或生理意义。生产及生活中符合这种条件的情况很多，例如，在嘈杂的环境中提取关心的某些声音；又例如，人体内蕴藏着多种多样的..