独立成分分析算法降低原始数据噪声，并提取特征值，非常有用得数据去噪程序。-Independent component analysis algorithm reduces the raw data noise, and extract characteristic value, is more helpful data denoising procedure.

：由于许多传统的去噪方法在强背景噪声情况下提取声音信号的能力变弱甚至失效， 提出 应用独立成分分析( I C A) 方法对声音信号进行特征提取， 并证明了这种 I C A 变换能增强语音和音 乐信号的超高斯性． 在此基础上， 应用 I C A基函数作为滤波器， 通过阈值化的去噪方法对含有强高 斯背景噪声的声音信号进行去噪仿真实验． 结果表明， 本方法明显优于传统的均值滤波和小波去噪 方法， 为强背景噪声下弱信号的检测提供 了新的途径．-: As many of the t

基于负熵最大的独立分量分析算法，可以将独立的混合信号分离-Based on the negative entropy of the largest independent component analysis algorithm can be a separate mixed-signal separation

基于负熵的ICA算法，独立成分分析；负熵；盲信号分离；固定点-Negative entropy based ICA algorithm, independent component analysis negative entropy blind signal separation fixed point