独立分量分析是20世纪末发展起来的一类多通道信号分解方法，是信号处理技术发展中的一项前沿热点。本书着重对其基本原理与工程应用进行较系统的介绍。全书共分9章，内容包括预备知识、优化判据、优化算法、卷积混合情况、稀疏分量分析及生物医学工程领域内的应用等。最后还给出ICA网上资源的概要，以便读者从网上了解ICA技术的新发展和动向。 本书在编写中结合了作者多年研究生教学的经验和科研组的一些研究成果，同时参阅了大量国内外期刊的研究报道。叙述中注意适应工程技术人员的认识与需要,力求从工程技术观点，使用工程术语来阐述问题； 加强物理概念的说明,避免过于抽象，便于工程技术人员理解与自学，并加强与应用的结合。本书是一本导引性较强的基础著作。 本书适于作为高等学校教师及研究生的参考教材，或供从事信号处理的科技工作者自学或进修选用。

在对信源和通道先验知识甚少的情况下，仅由观察信号推断信源和通道的特性，称为盲信号处理，其中包括盲辨识、盲解卷、盲信源分解等问题。独立分量分析（ICA）是和后者密切相关的，它是信号处理技术发展中的一项前沿热点。 传统的信源分解技术建立在主分量分析的基础上，分解出的诸分量只是互相正交且依能量大小排序，因而有明显的局限性。ICA的目的是： 从多通道测量所得到的由若干独立信源线性组合成的观察信号中，将这些独立成分分解开来。因此，被分解出的诸分量更容易具有实际的物理或生理意义。生产及生活中符合这种条件的情况很多，例如，在嘈杂的环境中提取关心的某些声音； 又例如，人体内蕴藏着多种多样的生理信号源，它们一般是互相独立的，而由体表测得的信号总是这些信源所发信号的混合体，因此采用ICA技术将它们加以分离，这将有助于对生理信号机理的进一步认识。 正是由于其重要性，2000年以来几乎每年均有关于ICA的国际学术会议召开。一些权威的学术刊物（如Neurocomputing, IEEE Trans.on BME, Proc. IEEE, IEEE Trans. on SP 等）相继出版了有关专辑。 Internet上有关ICA的学术站点与讨论也在不断增加。就研究内容来看，早期工作集中于线性代数混合的情况，近期除进一步改进这类情况的有关算法并推广其应用外，更注意探讨如何解决一些更深入的难题，如各信号间有传递延迟、传递过程中与通道发生卷积、系数时变、空间独立而时间相关，以及非平稳、非线性等情况。 1998年以来国外已有五、六本关于ICA的专著，而国内则尚未见类似专著出版。一些高等院校虽然已有一些研究...