信号分离是信号处理中的一个基本问题。在已知源信号和传输通道的先验知识时，各种时域滤波器频域滤波器等能从混合信号中分离出我们感兴趣的信号。独立分量分析是由盲信号分离技术发展出来的一种多维信号法，能在不知道源信号及信号混合参数的情况下，仅根据观测到的混合信号就能估计源信号。独立分量分析的理论已经成为当前火热的人工智能机器学控制等应用学科发展的重要基石之一。本书在介绍了独立分量分析基本理论和算法的基础上，在Weizmann Face Data上利用FastICA算法在Matlab环境中开展了人脸图象分类和识别试验，在Python环境中对驾驶舱混合信号开展盲分离试验，并给出相关程序。 本书可作为电子信息类专业大学教材，还可作为对独立分量分析及其应用感兴趣的科技工作者的参考用书。

前言
缩略语
第1章 绪论
1.1 盲信号分离问题
1.2 独立分量分析的问题描述及分析思路
1.3 ICA的发展及研究现状
1.4 本书主要研究工作及章节安排
第2章 ICA应用涉及的相关理论
2.1 引言
2.2 统计基本理论
2.3 信息论的基本知识
2.4 独立性度量准则
2.5 人工智能的相关基础理论
2.6 本章小结
第3章 IcA的算法原理
3.1 引言
3.2 主分量分析及ICA预处理
3.3 Infomax算法原理
3.4 FastICA算法原理
3.5 基于ICA算法的混合信号分离试验
3.6 本章小结
第4章 ICA在人脸识别中的应用
4.1 人脸识别概述
4.2 基于PCA的人脸图像特征提取
4.3 基于ICA的人脸图像特征提取
4.4 人脸图像的识别试验
4.5 本章小结
第5章 ICA在驾驶舱混合信号分离中的应用
5.1 引言
5.2 基于Python的仿真试验与性能分析
5.3 驾驶舱混合信号盲分离试验
5.4 本章小结
附录1 FastICA参考Matlab程序
附录2 FastICA参考Python程序
参考文献