独立成分分析( I C A) 是一项把混合信号分解成具有统计独立性成分的新技术 。I C A近年已在生物医 域的信号分离中展示 了很好的应用前景 。 我们比较系统地介绍了 I C A的基本原理 、 主要算法 、 应用和 究的发展方向，旨在进一步推动有关的理论与应用研究工作。-Independent Component Analysis (ICA) is a decomposition of the mixed-signal components into a statistical in

针对滚动轴承复合故障信号特征难以分离的问题， 提出将双树复小波变换和独立分量分析( ICA) 结合的故障诊断方 法 该方法首先将非平稳的故障信号通过双树复小波变换分解为若干不同频带的分量 由于各个分量存在一定的频率混叠， 对 故障信号特征提取有很大的干扰， 进而引入 ICA 对各个分量所组成的混合信号进行盲源分离， 从而尽可能消除频率混叠 最后 对从混合信号中分离出来的独立分量信号进行希尔伯特包络解调， 即可实现对复合故障特征信息的分离和故障识别-Aiming at the diff

盲分离程序，利用ICA独立分量分析的方法实现了线性混合信号的盲分离-Blind separation procedures, the use of independent component analysis ICA blind separation methods to achieve linear mixed signal