独立成分分析代码改好能用

%x是观测变量，m是观测信号的个数，y是对独立分量的估计，n是独立分量的个数，w是分离矩阵


wav_1=wavread（‘d:\S\man.wav‘）;
wav_1=wav_1‘;
sound1=wav_1（1:200000）;
wav_2=wavread（‘d:\S\music.wav‘）;
wav_2=wav_2‘;
sound2=wav_2（1:200000）;
wav_3=wavread（‘d:\S\dragen.wav‘）;
wav_3=wav_3‘;
sound3=wav_3（1:200000）;
wav_4=wavread（‘d:\S\wang.wav‘）;
wav_4_2=wav_4（:1）;
wav_4_2=wav_4_2‘;
sound4=wav_4_2（1:200000）;
wav=[sound1;sound2;sound3;sound4];
hun=rand（44）;                            %混合矩阵hun
x=hun*wav;                                %混合信号x
figure（123）;
subplot（411）;plot（sound1）;title（‘souce1‘）;
subplot（412）;plot（sound2）;title（‘souce2‘）;
subplot（413）;plot（sound3）;title（‘souce3‘）;
subplot（414）;plot（sound4）;title（‘souce4‘）;
%ICA预处理，包括去均值和白化两个部分
%去均值
x_centering=zeros（size（x））;
q=zeros（size（x1））;
for i=1:4
    q（i）=mean（x（i:））;
    for j=1:size（x2）
        x_centering（ij）=x（ij）-q（i）;
    end
end

%妈蛋源代码的白化就是错的啊
MixedS_cov=cov（x_centering‘）;
[ED]=eig（MixedS_cov）;
Q=inv（sqrt（D））*（E）‘;
x_whiten=Q*x_centering;
x_whiten=real（x_whiten）;
IsI=cov（x_whiten‘）;                       %这段显然是多余的，用来装逼的，因为如果白化成功IsI应该是只有斜线上为1的矩阵
                                          %总感觉白化这里出了点问题，数据白化后有了虚部，虽然虚部都是0又是闹哪样？

%FastICA算法的迭代过程
%基于非高斯性最大化原理，使用固定点（Fixed-point）迭代理论寻找 的非高斯性最大值，
%该算法采用牛顿迭代算法对观测变量x的大量采样点进行批处理，以最大化负熵作为目标函数，
%每次从观测信号中分离出一个独立分量，是独立分量分析的一种快速算法。
%该算法有两种求解独立成分的方法，一种是Deflation method，分别对分离矩阵的每一列进行更新，每次提取一个独立分量；
%另一种是Symmetry method，同时对所有独立分量对应的分离矩阵的列进行更新。
%该算法是Deflation method，
%这个代码和另外一个基本是相同的，都是Deflation method，但其中一个函数的选取有所不同
wp=rand（41）;

w=zeros（42）;
maxnumber=200;