您好，這樣的：
一、FastICA算法的基本步驟：
1.對觀測數據進行中心化，使它的均值為0；
2.對數據進行白化，。
3.選擇需要估計的分量的個數，設迭代次數
4.選擇一個初始權矢量（隨機的）。
5.令,非線性函數的選取見前文。
6.。
7.令。
8.假如不收斂的話，返回第5步。
9．令，如果，返回第4步。
二．MATLAB源程序及說明：
%下程序為ICA的調用函數，輸入為觀察的信號，輸出為解混后的信號
functionZ=ICA(X)
%-----------去均值---------
[M,T]=size(X);%獲取輸入矩陣的行/列數，行數為觀測數據的數目，列數為采樣點數
average=mean(X')';%均值
fori=1:M
X(i,:)=X(i,:)-average(i)*ones(1,T);
end
%---------白化/球化------
Cx=cov(X',1);%計算協方差矩陣Cx
[eigvector,eigvalue]=eig(Cx);%計算Cx的特征值和特征向量
W=eigvalue^(-1/2)*eigvector';%白化矩陣
Z=W*X;%正交矩陣
%----------迭代-------
Maxcount=10000;%最大迭代次數
Critical=0.00001;%判斷是否收斂
m=M;%需要估計的分量的個數
W=rand(m);
forn=1:m
WP=W(:,n);%初始權矢量（任意）
%Y=WP'*Z;
%G=Y.^3;%G為非線性函數，可取y^3等
%GG=3*Y.^2;%G的導數
count=0;
LastWP=zeros(m,1);
W(:,n)=W(:,n)/norm(W(:,n));
whileabs(WP-LastWP)&abs(WP+LastWP)>Critical
count=count+1;%迭代次數
LastWP=WP;%上次迭代的值
%WP=1/T*Z*((LastWP'*Z).^3)'-3*LastWP;
fori=1:m
WP(i)=mean(Z(i,:).*(tanh((LastWP)'*Z)))-(mean(1-(tanh((LastWP))'*Z).^2)).*LastWP(i);
end
WPP=zeros(m,1);
forj=1:n-1
WPP=WPP+(WP'*W(:,j))*W(:,j);
end
WP=WP-WPP;
WP=WP/(norm(WP));
ifcount==Maxcount
fprintf('未找到相應的信號);
return;
end
end
W(:,n)=WP;
end
Z=W'*Z;
%以下為主程序，主要為原始信號的產生，觀察信號和解混信號的作圖
clearall;clc;
N=200;n=1:N;%N為采樣點數
s1=2*sin(0.02*pi*n);%正弦信號
t=1:N;s2=2*square(100*t,50);%方波信號
a=linspace(1,-1,25);s3=2*[a,a,a,a,a,a,a,a];%鋸齒信號
s4=rand(1,N);%隨機噪聲
S=[s1;s2;s3;s4];%信號組成4*N
A=rand(4,4);
X=A*S;%觀察信號
%源信號波形圖
figure(1);subplot(4,1,1);plot(s1);axis([0N-5,5]);title('源信號');
subplot(4,1,2);plot(s2);axis([0N-5,5]);
subplot(4,1,3);plot(s3);axis([0N-5,5]);
subplot(4,1,4);plot(s4);xlabel('Time/ms');
%觀察信號（混合信號）波形圖
figure(2);subplot(4,1,1);plot(X(1,:));title('觀察信號（混合信號）');
subplot(4,1,2);plot(X(2,:));
subplot(4,1,3);plot(X(3,:));subplot(4,1,4);plot(X(4,:));
Z=ICA(X);
figure(3);subplot(4,1,1);plot(Z(1,:));title('解混后的信號');
subplot(4,1,2);plot(Z(2,:));
subplot(4,1,3);plot(Z(3,:));
subplot(4,1,4);plot(Z(4,:));xlabel('Time/ms');