Question

我需要生成一个具有高斯分布的矩阵（值主要从-5到5扩展），一个泊松矩阵，混合它们并将它们作为Matlab FastICA的输入。

我是Matlab，发行版和ICA的新手，所以一些指针真的会有所帮助。我一直在努力，但不知道我是否走在正确的轨道上。

为了生成高斯和泊松矩阵，我生成了两个数组：

s2 = poissrnd(2, 1, 40000); %Poisson distribution with lambda 2
s1 = rand(size(s2)) * 10 - 5; %Gaussian distribution and values ranging from -5 to 5

然后我使用reshape函数生成两个200x200矩阵。使用image时，我会收到以下图片：

enter image description here

我的第一个问题是：这是在Matlab中生成高斯和泊松矩阵的正确方法吗？或者是否有一些实际生成矩阵的内置函数，而不是必须生成和重塑数组？

现在，第二个问题：使用FastICA。

在ICA (Independent Component Analysis) fast-fixed point algorithm上提到了一个非常好的答案，它提到FastICA需要连续的每个信号。

因此，我通过以下方式生成信号矩阵：

S(1,:) = s1; %row 1
S(2,:) = s2; %row 2

然后我生成一个混合矩阵，添加一些噪声，并将结果矩阵作为fastica（）函数的输入。

我的问题是：是否可以直接向FastICA提供2D数据？如果您的图像中包含许多混合信号并希望将其提供给ICA以便它可以找到独立组件，该怎么办？

指向如何在不同输入上使用FastICA的教程链接非常有用。

提前感谢任何阅读此帖并试图提供帮助的人。抱歉这个冗长的问题，我想确保它得到很好的理解！

Answer 1

你如何创建混合信号？ FastICA将尝试估计您用于混合的矩阵（原始组件）。只要您有足够数量的观测值（信号），FastICA就可以混合任意数量的混合信号。请参阅您所链接的答案，四个信号正在混合和分解。

您放入FastICA的数据已经是2D（m x n），只是塑造成另一个尺寸（1 x mn）。