独立成分分析是近年来出现的一种强有力的数据分析工具。1994年由Comon给出了ICA的一个较为严格的数学定义，其思想最早是由Heranlt和Jutten于1986年提出来的。ICA从出现到现在虽然时间不长，然而无论从理论上还是应用上，它正受到越来越多的关注，成为国内外研究的一个热点。特别是从应用角度看，它的应用领域与应用前景都是非常广阔的，目前主要应用于盲源分离、图像处理、语言识别、通信、生物医学信号处理、脑功能成像研究、故障诊断、特征提取、金融时间序列分析和数据挖掘等。 ICA是一种用来从

ICA的介绍，主要介绍ICA的历史、发展、渊源、现状等等。及相关理论，应用

第一部分 基本理论 第2章 听觉机理和汉语语音基础 2. 1 概述 2.2 听觉机理和心理 2.2.1 语音听觉器官的生理结构 2.2.2 语音听觉的心理 2.3 发音的生理机构与过程 2.4 汉语语音基本特性 2.4. 1 元音和辅音 2.4.2 声母和韵母 2.4.3 音调(字调) 2.4.4 音节(字)构成 2.4.5 汉语的波形特征 2.4.6 音的频谱特性 2.4.7 辅音的频谱特性 2.4.8 汉语语音的韵律特征 2.5 小结 参考文献 第3章 语音信号处理方法--时域处理 3.1

盲信号分离 图像处理相关 论文 中文 基于小波变换与独立分量分析的信号提取算法研究2007硕 两种盲源分离算法的探讨2009硕 盲分离算法的研究2004博 盲信号分离ICA理论与应用2009博 盲信号分离的DSP实现2007硕 盲信号分离及其在心电和语音信号处理中的应用2007博

在传统谱分析方法的基础上, 尝试应用盲源分离技术对飞机发动机振动信号进行振源分离。首先, 介绍了发动机振动信号的基本处理方法和常见的发动机故障类型及特征, 引入了盲源分离理论并讨论了其在航空发动机振动信号处理中应用的可行性。然后, 对某型涡扇发动机振动过大的现象进行了故障诊断分析。最后, 应用Fast ICA和JADE 算法对检测的振动信号进行分析, 分离出了发动机的振源信号。这说明发动机振动信号分析采用盲源分离与谱分析相结合的技术可以有效分离振源信号, 提高故障诊断的准确性。