独立分量分析负熵程序

K=2;
N=500;
k=1:N;
s1=randn（1length（k））;%产生符合分布的序列
s2=sin（k/2）;
figure（1）
subplot（221）;
plot（ks1）;
title（‘高斯随机噪声序列‘）;
subplot（222）;
plot（ks2）;
title（‘正弦信号‘）
X=zeros（KN）;
A=randn（K）;%产生随机矩阵混合A
H=A*[s1;s2];
figure（2）;
plot（kH）;
title（‘观测信号‘）
%实现对观察数据矩阵H的预白化
B=double（H）;
m=mean（B2）;
B=B- m（:ones（1size（B2）））;%去均值
covarianceMatrix=cov（B‘）;
% covarianceMatrix=A*A‘;
[y x] = eig （covarianceMatrix）;
whiteningMatrix = x^（-.5）* y‘;%白化矩阵
dewhiteningMatrix = y * sqrt （x）;%去白化矩阵
M=dewhiteningMatrix;
new_A=whiteningMatrix*B;%新的混合矩阵即要做fast算法的矩阵
figure（3）
plot（knew_A）;
title（‘whitened‘）

Q=new_A;
%用FastICA算法实现对源信进行分离
epsilon=0.0001;
W=rand（K）;
iter = zeros（1K）;
for p=1:K
    W（:p）=W（:p）/norm（W（:p））;
    exit=0;%判断是否收敛标记，0做，1退出
    count=0;%判断独立成