总之，基于峭度FastICA总结如下：(1)对观测数据x中心化；(2)白化中心化后的观测数据，得信号z；(3)选择一个正交阵作为初始迭代点；(4)计算W(k+1)=E{z(WT(k)z)3}；(5)将分离向量归一化，即|W(k+1)=W(k+1)/||W(k+1)||2;(6)如果迭代前的分离向量与迭代后的分离向量指向同一方向，即|WT(k+1)W(k)|=1时，终止迭代；(7)提取一个源信号：y(k)=W(k)z。
    采用负熵的FastICA具有更稳定的性能，限于篇幅在此不做讨论。FastICA是国际应用较多的一个算法，芬兰赫尔辛基理工大学的网站(http://www．cis．hut．fi／projects／ica)可下载包括：FastICA在内的盲源分离工具包及一些实际采集的数据。

5 计算机仿真
    为验证FastICA在分离同频数字通信信号方面的性能，采用计算机仿真方法分别产生BASK和QPSK一组调制信号，其时域波形图如图1a，b所示。随机产生2×2的混合矩阵，分别对以上两个信号进行线性混合，得到混合信号的波形如图1c,d所示。

    采用FastICA算法对图1c,d所示的信号进行分离，分离后的信号波形如图1e，f所示。比较图1a，b和图1e，f可以看出分离后信号的波形与发射前信号的波形图基本一致，这说明可以采用FastICA分离同频BASK和QPSK这两种数字通信信号。
    为了检验FastICA在分离其他数字通信信号方面的性能，采用与图1所示类似的过程对频谱重叠的BPSK和BFSK信号进行分离，图2给出了仿真结果。从图2中可看出，FastICA可以分离同道BPSK和BFSK。

6 结论
    从仿真试验可看出，FastICA可分离同道BASK和QPSK及。BPSK和BFSK信号的混合，从而达到抑制同频干扰的目的。但对于其他类型数字通信信号的同频干扰问题，FastICA算法是否有效还有待研究。