关于scikit-learn中FastICA对双高斯噪声信号解卷积的疑问

问题背景 #

我当初纠结该在哪个平台提问，毕竟这事儿既沾编程又涉及数学，最终还是来这儿了。我的问题围绕FastICA展开：给定由n_components个信号线性混合而成的输入时间序列（我叫它“观测值”），ICA会返回分离后的源信号和混合矩阵。根据相关教程第3节的内容，我理解最多只能有一个源信号是高斯噪声，但实际操作中我发现，明明数据里好像有多个高斯成分，FastICA却依然给出了分离结果，这让我有点懵。

先把核心原理说透 #

首先得掰扯清楚ICA的核心假设：源信号必须统计独立，而且最多只能有一个是高斯分布。为啥？因为高斯分布的高阶统计量（比如峰度）是对称的，多个高斯信号混在一起，联合分布还是高斯的，没法通过高阶统计特性区分开——FastICA恰恰是靠抓非高斯信号的这些特性来分离源信号的。

实际情况的常见原因 #

如果你也遇到类似“多个高斯信号却能被分解”的情况，大概率是这几个原因：

• 数据根本不是严格高斯：现实中采集的数据很少有完美的高斯分布，哪怕看起来接近，也可能带点微小的非高斯偏差，比如偶尔的噪声尖峰、采样时的小误差，FastICA对这些偏差特别敏感，会抓住它们来做分离。
• 预处理搞的鬼：比如你做了PCA白化，白化后的混合信号会改变原有分布的特性，可能让ICA误以为存在可分离的非高斯成分，其实只是白化操作带来的变化。
• 算法本身的近似性：FastICA是迭代优化的近似算法，哪怕理论上没法分离多个高斯信号，它也会收敛到某个局部最优解，但这个解根本不是真实的源信号，只是刚好满足算法“最大化非高斯性”的目标而已。

怎么验证和解决？ #

要是你想搞清楚到底是不是高斯成分，可以试试这些操作：

• 给每个分解出的源信号算峰度：高斯信号的峰度是0，非高斯的会偏离0（超高斯的峰度大于0，亚高斯的小于0）。
• 画直方图或者Q-Q图，直观看看每个信号的分布形状，一眼就能判断是不是高斯。
• 要是确认真有多个高斯信号，那ICA确实没法有效分离，这时候可以考虑其他方法，比如带先验知识的盲分离算法，或者干脆改用PCA——PCA处理高斯成分的降维更靠谱。

内容的提问来源于stack exchange，提问作者user1071516