独立成分分析ICA系列5:信息极大化的 ICA 算法 25-03-06 05:08 3219 12280 blog.csdn.net 1.ICA基本理论再综述 在实际应用中，可以通过传感器得到一系列观测信号，这些观测信号是由未知源信号经过某种混合系统的输出，如在移动通信中，源信号经过发射机天线发出后，在无线信道中经过不确定的混合和干扰，以至于到达接收机的信号是一个多径、携噪的混合信号，而从混合信号中分离出发射端的源信号将大大改善通信质量，因此类似的问题都可以用 ICA的方法来解决。 假设由 N 个源信号 构成一个列向量由 M 个观测信号构成一个列向量A 是一个 N*M 维混合矩阵，满足下列方程： 注意看！观测信号一定要大于等于源信号，否则这个问题是无解的！！！！ 注：本文转载自blog.csdn.net的的文章"https://blog.csdn.net/shenziheng1/article/details/53666276"。版权归原作者所有，此博客不拥有其著作权，亦不承担相应法律责任。如有侵权，请联系我们删除。 复制链接
1.ICA基本理论再综述 在实际应用中，可以通过传感器得到一系列观测信号，这些观测信号是由未知源信号经过某种混合系统的输出，如在移动通信中，源信号经过发射机天线发出后，在无线信道中经过不确定的混合和干扰，以至于到达接收机的信号是一个多径、携噪的混合信号，而从混合信号中分离出发射端的源信号将大大改善通信质量，因此类似的问题都可以用 ICA的方法来解决。 假设由 N 个源信号 构成一个列向量由 M 个观测信号构成一个列向量A 是一个 N*M 维混合矩阵，满足下列方程： 注意看！观测信号一定要大于等于源信号，否则这个问题是无解的！！！！
构成一个列向量
由 M 个观测信号构成一个列向量
A 是一个 N*M 维混合矩阵，满足下列方程：
评论记录：
回复评论：