基于python实现的ICA过程

# -*- coding:UTF-8 -*-
#!/usr/bin/env python

# encoding: utf-8

‘‘‘

@author: malingyu

@contact: 1078553270@qq.com

@software: 

@file: ICA_Test.py

@time: 2017/8/29 15:02
‘‘‘
#!/usr/bin/env python

#FastICA from ICA book table 8.4
import scipy.io as sio
import math
import random
import matplotlib.pyplot as plt
from numpy import *
import ICA
n_components = 2

def f1（x period = 4）:
    return 0.5*（x-math.floor（x/period）*period）

def create_data（）:
    #data number
    n = 500
    #data time
    T = [0.1*xi for xi in range（0 n）]
    #source
    S = array（[[sin（xi）  for xi in T] [f1（xi） for xi in T]] float32）
    #mix matrix
    A = array（[[0.8 0.2] [-0.3 -0.7]] float32）
    return T S dot（A S）
def whiten（X）:
    #zero mean
    X_mean = X.mean（axis=-1）
    X -= X_mean[: newaxis]
    #whiten
    A = dot（X X.transpose（））
    D  E = linalg.eig（A）
    # D2 = linalg.inv（array（[[D[0] 0.0] [0.0 D[1]]] float32））
    # D2[00] = sqrt（D2[00]）; D2[11] = sqrt（D2[11]）
    D2=sqrt（linalg.inv（diag（D）））
    V = dot（D2 E.transpose（））
    return dot（V X） V
def _logcosh（x fun_args=None alpha = 1）:
    gx = tanh（alpha * x x）;
    g_x = gx ** 2;
    g_x -= 1.;
    g_x *= -alpha
    return gx g_x.mean（axis=-1）
def do_decorrelation（W）:
    #black magic
    s u = linalg.eigh（dot（W W.T））
    return dot（dot（u * （1. / sqrt（s）） u.T） W）
def do_fastica（X）:
    n m = X.shape; p = float（m）; g = _logcosh
    #black magic
    X *= sqrt（X.shape[1]）
    #create w
    W = ones（（nn） float32）
    for i in range（n）:
        for j in range（i）:
            W[ij] = random.random（）
    #compute W
    maxIter = 1000
    for ii in range（maxIter）:
        # -----------------nandian
        gwtx g_wtx = g（dot（W X））
        W1 = do_decorrelation（dot（gwtx X.T） / p - g_wtx[: newaxis] * W）
        lim = max（ abs（abs（diag（dot（W1 W.T））） - 1） ）
        W = W1
        if lim < 0.0001:
            break