一种改进的FastICA算法及其应用

摘要

独立分量分析是基于信号高阶统计量的信号分析方法,它可以找到隐含在数据中的独立分量,已经广泛应用到语音信号处理、图像处理及信息通信等方面.目前应用较多的快速独立分量分析(FastICA)利用了牛顿迭代法原理,具有较快的收敛速度,但对初始值的选择比较敏感.为克服其缺点,改进其优化学习算法,在牛顿迭代方向增加一维搜索,使改进后的算法的收敛性不依赖于初始值的选择.将改进的FastICA算法应用到运动目标检测中,取得稳定性较强的结果.