【導讀】矩陣生成若干混合圖像。選取合適的盲信號分離算法。進行訓練學習，求出分離矩陣和分離后的信號。

　　

【正文】 9。) 武漢理工大學《 信息處理課群綜合訓練與設計 》課程設計說明書 29 title(39。確定信號 1 的頻譜 39。)。 axis([0 220 0 100])。 figure(2)。 subplot(6,1,1)。 plot(S2)。 title(39。確定信號 S239。)。 subplot(6,1,2)。 T=fft(S2, 200)。 y=abs(T)。%取幅度絕對值 plot(y,39。r39。) title(39。確定信號 2 的頻譜 39。)。 axis([0 220 0 100])。 figure(3)。 subplot(6,1,1)。 plot(S3)。 title(39。輸入信號 339。)。 subplot(6,1,2)。 T=fft(S3, 200)。 y=abs(T)。%取幅度絕對值 plot(y,39。r39。) title(39。確定信號 3 的頻譜 39。)。 axis([0 220 0 100]) %產(chǎn)生三個信號的混合矩陣 S=[S1。S2。S3]。% S 為 3*200 大小的矩陣 武漢理工大學《 信息處理課群綜合訓練與設計 》課程設計說明書 30 Srand=rand(size(S,1))。% 取一隨機矩陣 Srand(3 3)，作為信號混合的權(quán)矩陣 Mixeds=Srand*S。 % 得到三個信號的混合信號矩陣 %將混合矩陣重新排列并輸出 figure(1)。 subplot(6,1,3)。 plot(Mixeds(1,:)) title(39?；旌闲盘?139。)。 subplot(6,1,4)。 d=Mixeds(1,:)。 y1=fft(d, 200)。%對信號做 200 點 FFT 變換 y=abs(y1)。%取幅度絕對值 plot(y,39。r39。) title(39。混合信號 1 頻譜 39。)。 axis([0 220 0 100])。 figure(2)。 subplot(6,1,3)。 plot(Mixeds(2,:)) title(39?；旌闲盘?239。)。 subplot(6,1,4)。 e=Mixeds(2,:)。 y1=fft(e, 200)。%對信號做 200 點 FFT 變換 y=abs(y1)。%取幅度絕對值 plot(y,39。r39。) title(39?；旌闲盘?2 頻譜 39。)。 axis([0 220 0 100])。 武漢理工大學《 信息處理課群綜合訓練與設計 》課程設計說明書 31 figure(3)。 subplot(6,1,3)。 plot(Mixeds(3,:))。 title(39?；旌闲盘?339。)。 subplot(6,1,4)。 f1=Mixeds(3,:)。 y1=fft(f1, 200)。%對信號做 200 點 FFT 變換 y=abs(y1)。%取幅度絕對值 plot(y,39。r39。) title(39。混合信號 3 頻譜 39。)。 axis([0 220 0 100])。 Mixeds1=Mixeds。 %數(shù)據(jù)預處理 %對混合矩陣進行標準化，使每一行的均值為 0 meanofMixeds=zeros(3,1)。%產(chǎn)生一個 3 行 1 列的 0 矩陣，用 于 存放 3 行的均值 for i=1:3 meanofMixeds(i)=mean(Mixeds(i,:))。%分別計算 Mixeds 每一行的均值 end for i=1:3 for j=1:size(Mixeds,2) Mixeds(i,j)=Mixeds(i,j)meanofMixeds(i)。%每一行的各個數(shù)減去該行的均值 end 武漢理工大學《 信息處理課群綜合訓練與設計 》課程設計說明書 32 end %對 Mixeds 矩陣進行白化，去除各信號間的相關(guān)性 ,增強收斂性 Mixeds_cov=cov(Mixeds39。)。% 計算協(xié)方差 [E,D]=eig(Mixeds_cov)。% 對矩陣的協(xié)方差函數(shù)進行特征值分解 Q=inv(sqrt(D))*(E)39。% 產(chǎn)生一個白化矩陣，其元素互不相關(guān)，且均值和方差均為 1 MixedsW=Q*Mixeds。% MixedS_white 為白化后的矩陣 I=cov(MixedsW39。)% 驗證計算正確性，若計算正確則 I 應為單位陣 tryNumber=20%嘗試次數(shù)為 20 tryNum=tryNumber。 pleteflag=0。%計算完成標志位 tryIteratorNum=0。 while tryNum0 maxNum=input(39。\n 請輸入一個正整數(shù)作為最大迭代次數(shù) :39。,39。s39。)。 maxNum=str2num(maxNum)。 tryNum=tryNum1。 %程序核心部分 FastICA 算法 X=MixedsW。 [signalN,sampleN]=size(X)。 sf=zeros(signalN,1)。%0 矩陣用于存放標志位 temp=signalN。 B=zeros(temp,signalN)。% 初始化寄存矩陣 tryIteratorNum=0。 for r=1:temp i=1。 武漢理工大學《 信息處理課群綜合訓練與設計 》課程設計說明書 33 W=rand(temp,1)。 % 設置初值 W=W/norm(W)。 % 對 W 進行標準化 while i=maxNum+1 if i == maxNum fprintf(39。\n 第 %d 信號分量分量經(jīng)過 %d 次迭代仍不收斂。 \n39。, r,maxNum)。 break。 end Pb=W。 Y=X39。*W。 g=Y.*exp(Y.^2/2)。 dg=(1Y.^2).*exp(Y.^2/2)。 W=(X*g)/sampleNmean(dg)*W。 W=WB*B39。*W。% 對 W 進行正交化 W=W/norm(W)。 % 對 W 進行標準化 if abs(abs(W39。*Pb)1)1e9 % 判斷是否收斂 B(:,r)=W。% 如果收斂，則保存所得分量 tryIteratorNum=tryIteratorNum+1。 sf(r)=1。 break。 end i=i+1。 end end pleteflag=sf(1)amp。sf(2)amp。sf(3)。 if pleteflag==1。 fprintf(39。\n 經(jīng)過 %d 次迭代收斂。 \n39。,tryIteratorNum+2)。 武漢理工大學《 信息處理課群綜合訓練與設計 》課程設計說明書 34 break。 else continue。 end end if tryNum==0 fprintf(39。\n 嘗試次數(shù)已達 %d 次迭代仍不收斂。 \n39。, tryNumber)。 end if pleteflag==1。 fprintf(39。成功！ 39。)。 %經(jīng)過 FastICA 計算將原始信號復原 ICAResult=B39。*Q*Mixeds1。% 計算 ICA 后的矩陣 %輸出分離出的各信號和頻譜圖 figure(1)。 subplot(6,1,5)。 plot(ICAResult(1,:)) title(39。經(jīng) ICA 分離信號分量 139。)。 subplot(6,1,6)。 g=ICAResult(1,:)。 y1=fft(g,200)。%對信號做 FFT 變換 y=abs(y1)。%取幅度絕對值 plot(y,39。r39。) title(39。分解信號 1 頻譜 39。)。 axis([0 220 0 100])。 figure(2) subplot(6,1,5)。 武漢理工大學《 信息處理課群綜合訓練與設計 》課程設計說明書 35 plot(ICAResult(2,:)) title(39。經(jīng) ICA 分離信號分量 239。)。 subplot(6,1,6)。 h=ICAResult(2,:)。 y1=fft(h,200)。%對信號做 FFT 變換 y=abs(y1)。%取幅度絕對值 plot(y,39。r39。) title(39。分解信號 2 頻譜 39。)。 axis([0 220 0 100])。 figure(3)。 subplot(6,1,5)。 plot(ICAResult(3,:)) title(39。經(jīng) ICA 分離信號分量 339。)。 subplot(6,1,6)。 i=ICAResult(3,:)。 y1=fft(i,200)。%對信號做 200 點 FFT 變換 y=abs(y1)。%取幅度絕對值 plot(y,39。r39。) title(39。分解信號 3 頻譜 39。)。 axis([0 220 0 100])。 end武漢理工大學《 信息處理課群綜合訓練與設計 》課程設計說明書 36 本科生基礎課群設計 成績評定表 姓名 性別 專業(yè)班級 題目： 答辯或質(zhì)疑記錄： 成績評定依據(jù)： 最終評定成績（以優(yōu)、良、中、及格、不及格評定） 指導教師 簽字： 武漢理工大學《 信息處理課群綜合訓練與設計 》課程設計說明書 37 年月日