根据源信号的统计特性,仅由观测的混合信 号恢复(分离)出未知原始源信号的过程 雷达、声纳、通信、语音处理、地震预报和生物医学等 “盲 ” 源信号不可观测 混合系统的特性事先不可知ICA 的不确定性ICA的基本算法ICA实际上是一种寻优问题,即如何 使得分离出的独立分量最大程度的 逼近各个源信号。 key So。 。Algorithms history 1994 年互信息最小 (Minimum Mutual Information,MMI)互信息最小 (Minimum Mutual Information,MMI) 最大化 H(y)包含了最大化边缘熵和最小化互信息量两个内容。 选择熵作为目标函数是因为熵是一个随机变量无序性的度量及 信息量大小(不确定信息的多少)的测度,如果y的各分量统计独 立性越高则相应y的熵越大,所含信息也越多。 其中H(y1)是输出的边缘熵。互 信 息 I0,当且仅当x中各分量相互独立时I(x)=0 显然,I(y)可以作为一种目标函数或对照函数。最小化此目标函 数就能减小y中各个分量的相依性。I(y)=0时各分量相互独立。 互信息最小 (Minimum Mutua