说明：FASTICA，快速独立组份分析，针对于光谱分析有巨大用处。

说明：fastica源程序,包括界面数据导入，数据处理及具体算法实现

说明：基于FastICA算法的图像的盲分离，可运行结果，用详细的注释

说明：对盲源分离中独立成分分析法的实现，包括去均值，白化，和牛顿迭代法进行的ICA分析。

说明：ICA(Independent Component Correlation Algorithm)是一种函数，X为n维观测信号矢量，S为独立的m(m<=n)维未知源信号矢量，矩阵A被称为混合矩阵。ICA的目的就是寻找解混矩阵W(A的逆矩阵)，然后对X进行线性变换，得到输出向量U。 最简单的即为最近邻分类器(NNC):用距离参数表示训练集模板与测试样本的差异，认为测试样本与满足最小距离的训练样本属于同一种表情。

说明：ICA(Independent Component Correlation Algorithm)是一种函数，X为n维观测信号矢量，S为独立的m(m<=n)维未知源信号矢量，矩阵A被称为混合矩阵。ICA的目的就是寻找解混矩阵W(A的逆矩阵)，然后对X进行线性变换，得到输出向量U。

说明：由混合信号分离出原信号的算法，目前比较成熟的线性盲源分离算法有很多，FastICA是其中之一。独立成分分析ICA是一个在多领域被应用的基础算法。ICA是一个不定问题，没有确定解，所以存在各种不同先验假定下的求解算法。相比其他技术，ICA的开源代码不是很多。

说明：快速独立分量分析，附有实验数据，亲测实用

说明：对信号实现快速的独立分量分析，得到解混的各个成分分量

说明：ICA的目的就是寻找解混矩阵W（A的逆矩阵），然后对X进行线性变换，得到输出向量U。

说明：一种快速固定点快速迭代（Fast ICA）算法，解决信号脉冲交叉重叠的问题,实现对多个混叠信号的分离，恢复和重建出源信号。

说明：利用独立变量分析的算法实现语音之间得分离。任何声音与人声的混合，人声与人声的混合都可以实现

说明：fastica例程与演示程序

说明：fastica工具箱，包括白化，ica，pca一系列处理，亲测可用

说明：FastICA求解独立分量分析的盲源分离问题

说明：独立成分分析是近年来提出的非常有效的数据分析工具，它主要用来从混合数据中提取出原始的独立信号。

说明：FASTica计算程序,其中的说明较详细，可以直接使用，方便快捷

说明：计算高维矩阵ICA,可用于高光谱图像降维，特征降维等应用

说明：可对信号进行快速分离，算法优于传统ICA。

说明：fastica算法，信号盲分离，专用于多通道混合数据的分离

说明：fastica，独立成分分析，用于信号分离。

说明：fastica实现代码,在MATLAB中实现，简单易懂。

说明：用于盲源分离理论，信号处理方面，fastica算法理论基础

说明：快速ICA算法，内有三个语音文件。线性混合后，可以通过算法还原原有的波形

说明：独立成分分析的Fast-ICA算法.可用于图像处理、信号分析、模式识别、人工智能

说明：FastICA算法是基于非高斯性最大化原则得到的一批处理算法。峭度和负熵都可以作为非高斯性的度量。

说明：鸡尾酒语音分离，很好的演示示例，对新手很有帮助， 也可跑在免费的Octave上。

说明：matlab FASTICA工具箱,实现信号的盲源分离

说明：ICA盲声源分离，可以直接使用，里面有详细说明文档

说明：用于盲源分离或工作模态参数识别,包括傅立叶作图等功能。