fastICA实现语音信号的盲分离

代码说明：

应用背景盲信号处理中的盲源分离(Blind source separation，BSS)是近几十年来发展起来的--l"]新的研究领域，它的研究目的是即使源信号 以及它的混合方式都不知道的前提下，仅仅由源信号的一些统计特性，然后根据所观测到的混合信号来恢复出我们想要得到的源信号。关键技术基于峭度的FastICA算法使用固定点算法进行迭代，收敛速度比较快，但是对于迭代过程中用到的梯度下降法更新原则，使得步长的选择非常重要，步长选择太大或者太小都会出现收敛效果差或者不收敛的情况，本文在原算法的基础上引入了共轭梯度法，共轭梯度法的收敛速度通常优于普通梯度法，而且其收敛效果也相对稳定，不会像基于峭度的FastICA原算法一样出现鲁棒性差的问题。通过Mat lab仿真实验也证明了改进算法的有性。