％--------------功能[WIC，A，W] = WICA（数据，varargin）------------------
％
％在数据矩阵（行向量）和后续小波上执行ICA
％阈值化以从计算的IC中移除低幅度活动。
％这对于在EEG（例如）中提取仅提取伪像IC的有用
然后从原始数据中减去伪影重建。
％
％代码是解释/实施：
％Castellanos＆Makarov，J. Neurosci。方法。2006年
％
％>>>输入>>>
％所必需的：
％data =行格式的数据矩阵
％可选：
％type =“fastica”或“激进”......基于的两个不同的ICA算法
％熵。“Fastica”（默认）是参数，“激进”是非参数。
％mult =阈值乘数...将计算的阈值乘以
此数字的％“ddencmp”。更高的阈值=少
％“背景”（或低放大器。信号）保存在WIC中。
％绘图= 1或0.如果1，则绘制WiC与非小波阈值的IC
％FS =采样率，（用于绘制...默认= 1）;
％L =静止小波变换的级别设置。更高的水平给予
频率分辨率的百分比，但时间分辨率较少。
％默认= 5
％wavename =小波家族使用。键入“wavenames”以查看列表
％可能的小波。（默认=“COIF5”）;
％
％<<<输出<<<
％WiC =小波阈值IC
％A =混合矩阵（INV（W））（可选）
％w =解析矩阵（inv（a））（可选）
％IC =非小波IC（可选）
％
％*您可以重建伪影信号，如：
％神器= a * wiC;
％ - 重建后，您可以从您的中减去伪影
％原始数据集以删除伪像。
％
％例子：
％n = rand（10,1000）;
％a = [零（1,400），[。5，.8,1,2,2.4,2.5,3.5,5,6.3,4,3,3.2,3,1.7,1， - 。6，-2.2， -4，-3.6，-3，-1,0]，零（1,578）];
％data = n + linspace（0,2,10）'* a;
％[WiC，A] = WICA（数据，[]，5,1）;
％ahat = a * wiC;
％nhat = data-ahat;
％err = sum（sqrt（（nhat-n）。^ 2））;
％
百分比，11/10/2015
％-------------------------------------------------------------------------------