独立成分分析 ( ICA ) 与主成分分析 ( PCA )

独立成分分析 ( ICA ) 与主成分分析 ( PCA )
书上写的是：

1. 主成分分析假设源信号间彼此非相关，独立成分分析假设源信号间彼此独立。
2. 主成分分析认为主元之间彼此正交，样本呈高斯分布；独立成分分析则不要求样本呈高斯分布。

在利用最大化信息熵的方法进行独立成分分析的时候，需要为源信号假定一个概率密度分布函数g’，进而找出使得g(Y)=g(Wx)的信息熵最大的变换W，即有Y=s。

我的问题是，

1. 这个概率密度分布函数怎么假定？在实际信号处理中怎么给出？
2. 如果我观测到信号呈高斯分布，取g’为高斯分布，那么ICA和PCA得到的结果会相同吗？
   
   
   
   
   
   总的来说，ICA认为观测信号是若干个统计独立的分量的线性组合，ICA要做的是一个解混过程。
   而PCA是一个信息提取的过程，将原始数据降维，现已成为ICA将数据标准化的预处理步骤。
   

https://www.zhihu.com/question/28845451/answer/42292804