Blind sources separation for noisy signals

• Autorzy: Cichocki, A. , Siwek, K.

Warianty tytułu

PL

Ślepa separacja sygnałów zaszumionych

• Języki publikacji: EN

Abstrakty

EN

Independent Component Analysis (/CA) and related methods like Blind Source Separation (BSS), and Multichannel Blind Deconvolution (MBD) are promising approaches for elimination of artifacts and interference from mufti-sensory signals, especially biomedical signals and images like EEG/MEG, EMG, EKG, fMRI and PET data. However, most of the methods require that additive noise is relatively small. Main objective of this paper is to present general and flexible models and associated learning algorithms for ICA/BSS with noisy data. The method is illustrated by extraction of statistical dependent images (human faces), where non independent blind source separation (NIBS) approach has been applied.

PL

Ślepa separacja sygnałów, metoda komponentów niezależnych oraz wielokanałowa ślepa dekonwolucja są obiecującymi nowymi metodami analizy sygnałów, zwłaszcza w zastosowaniu do eliminacji i redukcji niepożądanych artefaktów i interferencji. Niniejsza praca przedstawia proste modele I algorytmy separacji sygnałów i obrazów w obecności dużych szumów addytywnych. Jako przykład metodę zastosowano do separacji obrazów statystycznie skorelowanych.

• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2002
• Tom: R. 78, nr 12
• Strony: 344-347
• Opis fizyczny: Bibliogr. 14 poz., 3 rys.

Twórcy

autor

Cichocki, A.

• Institute of Theory of Electrical Engineering and Electrical Measurements, Warsaw University of Technology, Poland
• Institute of Theory of Electrical Engineering and Electrical Measurements, Warsaw University of Technology, Polanv

autor

Siwek, K.

• Institute of Theory of Electrical Engineering and Electrical Measurements, Warsaw University of Technology, Poland
• Institute of Theory of Electrical Engineering and Electrical Measurements, Warsaw University of Technology, Polan

Bibliografia

• [1] Сiсhосki A. and Amari S.: Adaptive Blind Signal and Image Processing, Wiley. Chichester April 2002
• [2] Amari S. and Cichocki A.: Adaptive blind signal Processing - neural network approaches. Proceedings/ЕЕЕ (irwited paper), Vol. 86. No. 10. Oct. 1998, pp. 2026-2048
• [3] Osowski S. and Bojarczak Р.: Noural network approach to the deconvolution and separation problems, Bulletine Academie Polonaise. 1995, vol. 43, No 1. pp. 125-133
• [4] Osowski S.: Sieci Neuronowe w Ujęciu Algorytmicznym, WNT 2001
• [5] Cichocki A. and Unbehauen R.: Robust neural networks with on-line learning for blind identification and blind separation of sources. IEEE Trans. Circuits and Systems -1, vol. 43 (1996), pp. 894-906.
• [6] Cichocki A., Kasprzak W. and Amari S.: Adaplive approach to blind source separation with cancellation of additive and corwolutional noise. In Third International Conferenceon Signal Processing. ICSP'96, volume 1, pages 412-415. Beijing, China, Oct. 1996.
• [7] Cichocki A., Kasprzak W. and Amari S.: Neural network approach to blind separation and enhancement of images. In Signal Processing VIII. Theoricc and Applications., PURASIP LINT Publ., Trieste. Italy, Vol. 1. pp. 579-582, Sept. 1996
• [8] Szupiluk R.: Metody redukcji i separacji szumów przy estymacji i separacji sygnałów statystycznie niezależnych (Methods for noise reduction in blind source separation and ICA - in Polish), PhD. Thesis, WUT, Warsaw. Poland 2002
• [9] Cruces S., Castedo L. and Cichocki A.: Novel blind source separation algorithms using cumulants. Proceedings of the ICASSP, Istanbul, Turkey, 2000
• [10] Hауkin S.: Unspervised Filtering, Vol. 1 and 2, John Wiley, New York 2000
• [11] Jutten C., Herault J.: Blind separation of sources, part I: an adaptive algorithm based on neuromimotic architecture, Signal Processing, V0l. 24. 1-10, 1991
• [12] Hyvarinen A., Karhunen J. and Oja E.: Independent Component Analysis, John Wiley, New York, 2001
• [13] Cichocki A. and Vorobyov S.: Application of ICA lor automatic noise and interference cancellation in multisensory biomedical signals. In Proceedings of the Second International Workshop on ICA and BSS, ICA'2000, pages 621-626, Helsinki, Finland, 19-22 June 2000
• [14] Zhang L. and Cichocki A.: Blind decorwolution of dynamical Systems: A State space approach (invited paper). Japanese Journal of Signal Processing, 4(2): 111-130. March 2000.