Python FastICA: слепое разделение сигналов методом ICA (анализ независимых компонент)

В этом видео по цифровой обработке сигналов на Python мы демонстрируем анализ независимых компонент для слепого разделения источников. Проблема «коктейльной вечеринки» очень часто используется для объяснения концепции ICA и слепого разделения источников. В этом видео мы сосредоточились на демонстрации алгоритма FastICA на основе Python. Прежде всего, мы создаем один чистый синусоидальный сигнал для имитации нашего исходного сигнала, используя библиотеку numpy. Затем мы создаем простой шумовой сигнал и сигнал-артефакт. Мы смешиваем эти сигналы с помощью матрицы смешивания, что демонстрирует степень смешивания сигналов. Затем мы подаем эти смешанные сигналы на вход алгоритма FastICA, который разделяет эти три статистически независимых компонента на основе их статистических свойств с помощью ICA (анализа независимых компонент).