基于峰度的逐次提取式 ICA 的可靠梯度搜索方向：在生理信号处理中的应用

基于摘要分析。本文研究实值数据中基于峰度的逐次提取式 RobustICA 的优化问题，提出用比峰度更可靠的负熵近似来计算搜索方向，同时保留传统 RobustICA 的精确线搜索，以改善生理信号独立成分估计的质量与计算效率。 技术上，该方案区分了优化目标与搜索方向的构造：目标仍基于峰度，但梯度式优化过程采用由另一种负熵近似得到的搜索方向，并沿该方向执行精确线搜索。摘要称，这一设计继承了传统 RobustICA 沿给定方向的良好收敛性质；这不应扩展理解为对全局最优解的保证。负熵近似的具体形式、搜索方向公式及逐次提取过程中的实现细节尚未验证。 评估对象包括非侵入式癫痫 EEG 与磁共振波谱（MRS）分析。作者在不同传感器数量与不同信噪比条件下，考察估计质量、执行时间和迭代次数。作者报告，所提方法在这些指标之间取得了最佳权衡，尤其是在传感器数量较多时；摘要未提供具体对照方法、指标定义或数值，因此尚不能量化改进幅度或判断其适用边界。 该工作的直接研究对象是生理信号的 ICA 优化，而非 BCI 任务解码。其 EEG 价值主要在于信号分离算法的计算与估计表现，不能据此推断其可提高 BCI 的 Accuracy 或其他下游指标。数据来源、被试规模、噪声设置、停止准则、实验协议、消融及统计信息尚未验证；复现时需进一步核对上述条件，以及不同传感器规模下精确线搜索的计算开销。