针对滚动轴承复合故障信号特征难以分离的问题， 提出将双树复小波变换和独立分量分析( ICA) 结合的故障诊断方 法 该方法首先将非平稳的故障信号通过双树复小波变换分解为若干不同频带的分量 由于各个分量存在一定的频率混叠， 对 故障信号特征提取有很大的干扰， 进而引入 ICA 对各个分量所组成的混合信号进行盲源分离， 从而尽可能消除频率混叠 最后 对从混合信号中分离出来的独立分量信号进行希尔伯特包络解调， 即可实现对复合故障特征信息的分离和故障识别-Aiming at the diff

通过小波分析和独立分量分析来去除脑电信号中的运动伪迹，有很好的参考价值。-Wavelet analysis and independent component analysis to remove EEG motion artifact, a good reference value.(Robust removal of short-duration artifacts in long neonatal EEG recordings using wavelet-enhanced ICA and

相关分析过程的matlab方法，ICA（主分量分析）算法和程序，Gabor小波变换与PCA的人脸识别代码。- Correlation analysis process matlab method, ICA (Principal Component Analysis) algorithm and procedures, Gabor wavelet transform and PCA face recognition code.