依赖成分分析

依赖成分分析（DCA）是一种盲目的信号分离（BSS）方法，是独立成分分析（ICA）的延伸。ICA是在对源信号一无所知的情况下将混合信号分离为单个信号。DCA用于将混合信号分离成独立的信号集，这些信号集取决于其自身的信号，而对原始信号一无所知。如果所有的信号集只包含自己集内的单一信号，DCA可以是ICA。

为简单起见，假设所有单个信号集的大小相同，为k，共N组。基于BSS的基本方程，而不是独立的源信号，人们有独立的信号集，s（t）=（{s1（t），...，sk（t）}，...，{skN-k+1（t）...，skN（t）}）T，它们被系数A=[aij]εRmxkN混合，产生一组混合信号，x（t）=（x1（t），...，xm（t））T。这些信号可以是多维的。下面的方程BSS通过寻找和使用系数B=[Bij]εRkNxm来分离混合信号的集合，得到原始信号的近似集合。

子带分解ICA（SDICA）是基于宽频源信号是依赖性的，但其他子带是独立的事实。它使用一个自适应滤波器，通过使用最小相互信息（MI）选择子带来分离混合信号。在找到子带信号后，可以根据子带信号，通过ICA来进行重建。