我有一个形状的信号。这种形状包含一些不同的部分和该接收信号是来自这些不同部分的信号的总和。为了阐明，我有叠加。我不知道我的形状有多少部分。我可以假设这些信号是独立的。 我要分开这些信号＆amp;通过算法从接收信号中提取它们。 我知道有一种方法是使用ICA。这是最好的方式吗？我还有其他办法吗？来自这些部分的信号是独立的，这是一个合理的事实吗？
***这是一个我无法理解的关于fastica的例子： ICA (Independent Component Analysis) fast-fixed point algorithm
我们对一个信号进行了4次观察。所以我们有4个接收器在不同的位置接收一个信号。但为什么答案有4行？为什么它没有1排？因为是1信号的观察。这是否意味着我们有4个传感器＆amp; 4个来源？我们如何理解不同部分的数量？ 这些问题是因为我是ICA的新成员。
答案 0 :(得分：0)
您正面临典型的信号处理问题，或者更具体地说，是源分离问题。首先，您必须确定您的问题是否过度确定或未确定。这意味着如果您的观察结果超过构成混合物的独立组分的数量，则它是超定的，反之亦然。
对我而言，看起来你的问题是过度确定的，这使得它变得更加容易。你可以将它想象成一个方程组，比如你有4个观测值Y1，Y2，Y3和Y4（你正在谈论的是4行数据，而且你需要所有4行）。并且说你的混合物中有4个独立的来源。您可以将其表示为：
Y1(t) = A(t)+B(t)+C(t)+D(t) %// let us just assume that the first observation is the sum of 4 components
Y2(t) = (a*A(t))+(b*B(t))+(c*C(t))+(d*D(t)) %// Your observation 2 will be different from your observation 1, because it is composed of different distributions of your variables.
和Y3和Y4应该效仿。为了分离，您有几种方法，从PCA，ICA到基于模型的方法，如GMM / HMM / FHMM和基于神经网络的方法ANN / DNN等。您选择的具体方法在某种程度上取决于信号的混合程度，在其他方面言语，你的信号多么稀疏。例如，如果您的信号完全与频率无关，那么简单的滤波器就足够了。
您选择ICA，它返回4行代表混合物的4种成分（假设您正确使用了ICA）。您需要提供ICA结果，以便我们为您提供进一步的帮助。