时间依赖成分分析的若干算法及应用研究

独立成分分析(independent component analysis, 简称ICA)是一种新的数据处理方法，是各国学者研究的热点问题。ICA的应用范围已经扩展到图像处理、语音信号处理、生物医学信号处理、模式识别、数据挖掘、通讯等领域，具有较高的应用价值。但由于标准ICA所具有的局限性，使得它在进行一些数据分析和处理任务时通常不能得到令人满意的结果。本项目在已有工作的基础上，提出新的研究领域- - 时间依赖成分分析，对比ICA，主要是充分利用数据中可能包含的时间结构信息（成分的自相关性；成分的非平稳性；时间一致性等），并综合数据的其它信息（如高阶统计信息）来提出新的模型、理论及算法，并扩大已有ICA算法的应用范围，挖掘传统ICA所不能挖掘的新信息，以便在生物医学信号处理、语音信号处理、图像处理等领域更好地进行实际应用。