Matlab盲源分离的一个小程序 -

%以下程序调用ICA，输入观察信号，输出为解混合信号
function Z=ICA(X)
%-------------去均值------------
[M,T] = size(X); %获取输入矩阵的行/列数，行数为观测数据的个数，列数为采样点点数
average= mean(X')'; %按行取均值
for i=1:M
X(i,:)=X(i,:)-average(i)*ones(1,T);
end
%------------白化--------------
Cx = cov(X',1); %计算协方差矩阵Cx
[eigvector,eigvalue] = eig(Cx); %计算Cx的特征值和特征向量
W=eigvalue^(-1/2)*eigvector'; %白化矩阵
Z=W*X; %正交矩阵
%-------------迭代-------------
Maxcount=10000; %最大迭代次数
Critical=0.00001; %判断是否收敛
m=M; %需要估计的分量的个数
W=rand(m);
for n=1:m
WP=W(:,n); %初始权矢量（任意）
% Y=WP'*Z;
% G=Y.^3;%G为非线性函数，可取y^3等
% GG=3*Y.^2; %G的导数
count=0;
LastWP=zeros(m,1);
W(:,n)=W(:,n)/norm(W(:,n));%单位化一列向量
while abs(WP-LastWP)&abs(WP+LastWP)>Critical %两个绝对值同时大于收敛条件
count=count+1; %迭代次数
LastWP=WP; %上次迭代的值
% WP=1/T*Z*((LastWP'*Z).^3)'-3*LastWP;
for i=1:m
WP(i)=mean(Z(i,:).*(tanh((LastWP)'*Z)))-(mean(1-(tanh((LastWP))'*Z).^2)).*LastWP(i);%更新
end
WPP=zeros(m,1);%施密特正交化
for j=1:n-1
WPP=WPP+(WP'*W(:,j))*W(:,j);
end
WP=WP-WPP;
WP=WP/(norm(WP));
if count==Maxcount
fprintf('未找到相应的信号');
return;
end
end
W(:,n)=WP;
end
Z=W'*Z;

复制代码