
فصل الإشارات المختلطة إلى مصادر مستقلة إحصائيًا.تحليل المكونات المستقلة (ICA) هو تقنية حسابية لفصل إشارة متعددة المتغيرات إلى مكونات فرعية مضافة، بافتراض أن المكونات الفرعية غير غاوسية ومستقلة إحصائيًا عن بعضها البعض. تشتهر هذه التقنية بحل "مشكلة حفلة الكوكتيل": استخراج صوت واحد من تسجيل يحتوي على عدة محادثات متداخلة. يعتبر تحليل المكونات المستقلة حجر الزاوية في فصل المصادر العمياء، حيث لا تكون المصادر ولا عملية الخلط معروفة مسبقًا.
تم تقديم تحليل المكونات المستقلة رسميًا في الثمانينيات والتسعينيات من القرن العشرين، مع مساهمات رئيسية من بيير كومون (1994) الذي عرّف المشكلة، ومن آبو هيفارينن وإركي أويا اللذين طورا خوارزمية FastICA في عام 1997.
يصمم تحليل المكونات المستقلة الإشارات المرصودة كمزيج خطي من مصادر مستقلة غير معروفة. تبحث الخوارزمية عن تحويل خطي يزيد من الاستقلال الإحصائي للمكونات الناتجة. يُقاس الاستقلال عادةً باللاعوائية، حيث أن خلط المتغيرات المستقلة يميل إلى التوزيعات الغاوسية (وفقًا لنظرية النهاية المركزية). يضبط تحليل المكونات المستقلة التحويل بشكل تكراري لتعظيم مقياس مثل التفرطح أو النيغينتروبيا، وبالتالي استعادة المصادر الأصلية حتى القياس والتبديل.
يُستخدم تحليل المكونات المستقلة في تصوير الدماغ (EEG و fMRI) لعزل الإشارات العصبية عن القطع الأثرية، وفي التمويل لتحديد العوامل الخفية في عوائد الأسهم، وفي معالجة الصوت لفصل التسجيلات المختلطة.
يمكن لتحليل المكونات المستقلة فصل شخصين يتحدثان في وقت واحد في غرفة باستخدام ميكروفونين فقط، حتى لو كان كل ميكروفون يلتقط مزيجًا من الصوتين.





