鸡尾酒会问题”（cocktail party problem）是在计算机语音识别领域的一个问题，当前语音识别技术已经可以以较高精度识别一个人所讲的话，但是当说话的人数为两人或者多人时，语音识别率就会极大的降低，这一难题被称为鸡尾酒会问题。

人类复杂的听觉系统可以很好的解决这个问题,将注意力集中于一个说话者,人们可以听出他所说的话。但如何利用计算机,或利用机器,使其智能化,来模仿人类并有效的解决这个问题。这个问题相当令人感兴趣,它属于智能信息处理的范畴。

独立成分分析就是解决鸡尾酒会问题的有效方法,或者说解决盲源分离问题的有效方法。

要分离出鸡尾酒会中同时说话的每个人的独立信号，常用的方法是盲信号分离算法。

解决盲源分离问题的一个主要困难在于,我们不知道源信号的任何信息,也不清楚信号的混合方式。但假设源信号是相互统计独立的,就可以应用独立成分分析这一工具很好的解决这个问题。

独立成分分析是由鸡尾酒会问题引申出来的。

鸡尾酒会问题就是说在一个酒会上有两个人同时说话S1和S2，同时有两个麦克风记录X1和X2，由于受距离、噪声和其他因素的影响，每个麦克风记录的是两个人说话的语音信号不同程度上的叠加，鸡尾酒会问题就是从现有的两个麦克风记录中恢复出原始的两个语音信号，这个问题属于信号分离问题。其数学描述是：

显然这个问题只要知道aij这几个参数即可分离出原始的信号。解决的方法之一就是利用原始信号的统计特性，实现对aij的参数估计。盲信号分离的数学描述：X=A*S

X为n维观测矩阵，S为m(m≤n)维未知源信号矢量，A为混合矩阵，盲信号分离问题就是求解矩阵W(A的逆矩阵)，然后对X进行线性变换，然后得到输出矩阵U。

U=WX=WAS

目前独立成分分析己经成功地应用在图像处理、语音信号处理、生物医学信号处理、模式识别、数据挖掘、通讯和金融等领域。

来源参考：

http://blog.sina.com.cn/s/blog_6157dd0101015wjf.html