摘要
传统的非负独立分量分析(ICA)算法假设源信号独立,通过对观测信号预白化得到Z,再找到旋转矩阵W,从而保证Y=W×Z为非负,但不适用于源信号相关程度较大的情况。本文在深入分析传统算法的基础上对传统算法进行了相应的改进,通过引入去相关矩阵R,对于即使相关程度较大的源信号也可以进行较好地分解。实验结果证明,改进后的算法简单有效。
For the independent source S, the conventional nonnegative independent component analysis （ICA） algorithm obtains Z by prewhiting X, and finds rotation matrix W to ensure that Y=W×Z are nonnegative. But if the source S is correlative, the algorithm cannot work well. This paper improves the algorithm. By the decorrelation matrix R, the improved algorithm can decompose the sources well, even if the sources are highly correlative. Experimental results demonstrate that the improved algorithm is simple and efficient.
出处
《数据采集与处理》
CSCD
北大核心
2007年第1期54-58,共5页
Journal of Data Acquisition and Processing
基金
国家自然科学基金(60672166
30370392)资助项目
国家重点基础研究(2001CB309400)资助项目
航天支撑技术基金(2004-1.3-03)资助项目
上海市自然科学基金(04ZR14018)资助项目
关键词
独立分量分析
非负分解
相关分析
源信号
independent component analysis （ICA）
nonnegative decomposition
correlation analysis
source signal
作者简介
周昊（1982-），男，硕士研究生，研究方向：图像处理；
王斌（1964-），男，教授，博士生导师，研究方向：信号、图像处理，E-mail：wangbin@fudan．edu．cn；
张立明（1943～），女，教授，博士生导师，研究方向：图像处理、人工神经网络。
