盲源分离问题是信号处理领域中的研究热点之一。众多盲源分离算法中固定点算法（FastICA）因其收敛速度快而备受关注，但是FastICA算法的收敛性易受初始解混矩阵的初值选择影响。针对FastICA算法的不足进行了改进，引入梯度下降法降低初值选择敏感性，并且提出改进弦截法，加快收敛速度。实验结果显示，基于改进弦截法的FastICA算法与其他FastICA算法相比，不但提高了算法的分离性能，而且减少了迭代次数，增强了收敛稳定性。所以，改进的FastICA算法克服了初值选择敏感的影响，获得更快速、更鲁棒的语音分离性能。
2022-03-21 12:08:11
1.35MB
1
为更好实现对入侵检测样本数据的优化处理，提出了一种改进的快速独立成分分析(FastICA)算法，采用基于加权相关系数进行白化处理以减少信息损失，并优化牛顿迭代法使其满足三阶收敛。对算法进行了细致描述，分析了算法的时间复杂度。实验结果表明，该方法可有效减少数据信息损失，具有迭代次数少、收敛速度快等优点，可有效提高入侵检测样本数据的优化效率。
2022-03-09 16:03:41
858KB
1
FastICA 的matlab代码。ICA是用于盲源分离的有效工具，而FastICA比传统的ICA算法计算效率更高，在图像处理中被广泛应用。
2022-02-22 11:24:37
1.39MB
1
本文提出了应用改进的Fast-ICA算法进行电能质量检测的方法。快速ICA(独立分量分析:Independent Component Analysis)算法是目前非常流行的一种好算法。利用信号的高阶统计量快速准确地实现信号分离和恢复。
2022-01-02 16:43:38
1.91MB
1