1、獨(dú)立成分分析(Independent Component Analysis，ICA)是一種從多維數(shù)據(jù)中尋找其具有內(nèi)在獨(dú)立性和非高斯性因子的數(shù)據(jù)處理方法。ICA可以在未知源信號(hào)及混合矩陣信息的情況下分離出相互統(tǒng)計(jì)獨(dú)立的源信號(hào)。由于ICA的獨(dú)立性假設(shè)前提在大多數(shù)實(shí)際問題中是可以滿足的，因此ICA在語音信號(hào)處理、圖像處理、人臉識(shí)別、模式識(shí)別、數(shù)據(jù)挖掘和醫(yī)學(xué)信號(hào)處理等領(lǐng)域具有非常重要的應(yīng)用價(jià)值，其理論和算法的研究也逐漸受到廣泛學(xué)者的關(guān)注。ICA

2、經(jīng)過近二十年的發(fā)展日漸成熟，但是目前仍然有一些問題有待進(jìn)一步完善，其中包括如何提高算法的收斂性能，以便更好的應(yīng)用到實(shí)際中。
　　本文重點(diǎn)研究了目前較為成熟并且廣泛使用的基于負(fù)熵的快速獨(dú)立分量分析算法(FastICA)，并針對(duì)FastICA算法對(duì)初始值比較敏感的問題提出了一種改進(jìn)算法，引入十五階收斂的牛頓迭代修正格式對(duì)FastICA算法的核心迭代過程進(jìn)行改進(jìn)，仿真實(shí)驗(yàn)表明改進(jìn)算法在保證分離效果的前提之下改善了算法對(duì)初始值的依賴性，具

3、有更快更穩(wěn)定的收斂速度。
　　本文將改進(jìn)的FastICA算法引入到視頻序列運(yùn)動(dòng)目標(biāo)檢測(cè)中，將各視頻幀看作由包含運(yùn)動(dòng)目標(biāo)的前景圖像和背景圖像經(jīng)過線性疊加而得到的觀測(cè)信號(hào)，對(duì)觀測(cè)信號(hào)采用改進(jìn)的FastICA算法得到運(yùn)動(dòng)目標(biāo)圖像和背景圖像的估計(jì)，從而檢測(cè)出運(yùn)動(dòng)目標(biāo)。實(shí)驗(yàn)結(jié)果顯示，采用改進(jìn)的FastICA算法的運(yùn)動(dòng)目標(biāo)檢測(cè)方法可以獲得比較完整且清晰的運(yùn)動(dòng)目標(biāo)圖像，而背景差分法得到的前景圖像中丟失了運(yùn)動(dòng)目標(biāo)的部分信息。因此，引入改進(jìn)的Fas