There is a trend to develop blind or semi-blind source extraction algorithms based on second-order statistics, due to its low computation load and fast processing speed. An important and primary work is done by Barros and Cichocki, who propose an

目前擴增實境技術相關應用大部分以使用標記為主，但各式應用需求與日俱增，無標記(markerless)擴增實境技術使用上更具彈性，不必受限於標記的使用，因此應用層面更廣。視覺追蹤技術是擴增實境系統重要底層核心技術之一，但使用視覺追蹤技術在實際應用上易受到追蹤物件本身及外觀變化之影響，因此本文提出適用於無標記擴增實境應用之物件追蹤方法，能有效追蹤各式真實物件。首先框選設定追蹤物件；接著擷取物件特徵值，藉由特徵值比對以持續追蹤物件，並利用金字塔L-K光流法以縮短比對運算時間；最後經由2D-3D座標轉換

包含特征值与特征向量的提取、训练样本以及最后的识别，该函数用来计算任意函数的一阶偏导数(数值方法),基于matlab平台实现。- Contains the eigenvalue and eigenvector extraction, the training sample, and the final recognition, This function is used to calculate the arbitrary function of the first order partial

Pisarenko谐波分解算法,包含特征值与特征向量的提取、训练样本以及最后的识别，基于多相结构的信道化接收机。- Pisarenko harmonic decomposition algorithm, Contains the eigenvalue and eigenvector extraction, the training sample, and the final recognition, Channelized receiver based on multi-phase struct