Multidimensional Independent Subspace Analysis (MISA) as an extended Independent Component Analysis (ICA) method has been considered. The general and detailed definition, existence, uniqueness, separability of the MISA model are given and the relationships between ICA and MISA are also discussed. The natural gradient separation algorithm and corresponding simulation results for MISA are constructed based on the maximum likelihood theory and natural gradient method.
PL
W artykule zaprezentowano metodę MISA – multidimensional independent subspace analysis. Przedstawiono też metode IOCA – independent component analysis. Opracowano algorytm separacji – natural gradient separation algorithm.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
To solve the underdetermined blind separation (UBSS) problem, Aissa-El-Bey et al. have proposed the significant subspace-based algorithms in the time-frequency (TF) domain, where a fixed (maximum) value of K, i.e., the number of active sources overlapping at any TF point, is considered for simplicity. In this paper, based on the principle component analysis (PCA) technology, we propose a modified algorithm by estimating the number K for selected frequency bins where most energy is concentrated. Improved performances are obtained without increasing complexity.
PL
Do rozwiązania problem nieokreślonej ślepej separacji (UBSS) Aissa-El_Bey zaproponował algorytm czasowo-częstotliwościowy gdzie ustalono liczbę aktywnych źródeł pokrywających każdy punkt TF. W artykule zaproponowano zmodyfikowany algorytm bazujący na analizie składowej głównej PCA. Otrzymano poprawę parametrów bez powiększania skomplikowania metody.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.