提出了一种由经验模态分解构造虚拟噪声通道，结合独立分量分析进行信号消噪的方法．在分析经验模态分解及独立分量分析优越性基础上，阐述了构造虚拟噪声通道的基本原理，给出了具体构造方法．用固有模态函数的Hilbert时频谱作为虚拟噪声通道重构分量选择的依据．仿真计算表明，该方法对白噪声的消除是有效的，消噪效果较为理想．与传统小波方法比较，具有优势．

- 基于帝国竞争算法的函数寻优算法 - 包含23种测试函数 - 方便进行扩展，加一些种群初始化策略以及其他策略很容易提升性能 - 中文注释很详细

ICA算法程序.txt

基于FAST_ICA算法的混合wav声音信号的去分离仿真，matlab2021a仿真测试，带GUI操作界面

国际劳工组织 cIOL（具有在线学习的约束ICA）算法 引文 Y.-E. 李新Kwak，S.-W. Lee，“一种用于动态脑机接口的实时运动伪像去除方法”，IEEE Trans。 《神经系统与康复工程》，第一卷。 2020年12月28日，第2660-2670页。 描述 近来，已经广泛研究了实用的脑机接口（BCI）以检测现实世界中的人类意图。 但是，实验室和现实环境之间仍然存在性能差异。 造成这种差异的主要原因之一是用户的不稳定身体状态（例如，人体运动不受严格控制），这会产生意想不到的信号伪像。 因此，为了最大程度地减少基于脑电图（EEG）的BCI的性能下降，我们提出了一种新颖的工件去除方法，称为带有在线学习（cIOL）的约束独立成分分析。 cIOL可以找到并拒绝与EEG信号中与人体运动（即运动伪影）有关的类噪声成分。 为了获得运动信息，隔离的电极用于使用高电阻材料来阻挡来自大脑的电信号。

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。

fast-ICA算法程序代码

用于人脸识别的核ICA算法kernel-ica.tar

matlab白化代码数据白化ICA 该程序显示了如何对ICA算法进行数据白化。 代码模板 该程序是通过在上找到的MATLAB文件编写的。 它仅作一些微小的更改：处理的信号是不同的，并且修改了信息的打印。 作者 Arnaud DELORME- 托马斯·拉比安-

【信号处理】单通道盲源分离（SSA-ICA）算法.md