FastICA算法，又称固定点(Fixed-Point)算法，是由芬兰赫尔辛基大学Hyvärinen等人提出来的。是一种快速寻优迭代算法，与普通的神经网络算法不同的是这种算法采用了批处理的方式，即在每一步迭代中有大量的样本数据参与运算。

matlab实现独立分量分析，用于信号的分选，保证能够运行并实现结果。matlab实现独立分量分析，用于信号的分选，保证能够运行并实现结果。matlab实现独立分量分析，用于信号的分选，保证能够运行并实现结果。

基于在线ICA算法的包络检测及其在运动图像分类中的应用

BSS所用的FastICA算法程序，内含所有子函数程序，另能够应用gui操作来完成ICA算法。

完整的FastICA分离算法，且包含了部分轴承的故障及正常数据，并具有相应的算法创新，创新为针对初值敏感性问题

ICA的著名应用是盲源分离，于是这里就以盲源分离为例子进行说明。假设n个人面前有n个话筒，然后这n个人说话时这n个话筒进行录音，这n个人说了m句话，最后从这n个话筒中收集一些录音，目标：从这些录音中分离出每个人的声音 对于ICA的模型：x = A·s 假设x是个m*n的矩阵，A是个m*k的矩阵，那s就需要是个k*n的矩阵，于是ICA就是把x分解成2个矩阵的乘积，这两个矩阵就是求出来的源信号。

独立成分分析用于实现对多元了类簇的特征提取

实现FastICA功能，非线性函数分别选取高斯函数，三次函数和正切函数。

一个Fast ICA算法的实例，详细演示了独立分量分析的过程，希望有所帮助

% FASTICA(mixedsig) estimates the independent components from given % multidimensional signals. Each row of matrix mixedsig is one % observed signal. FASTICA uses Hyvarinen's fixed-point algorithm,